System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,具体而言,涉及一种基于混合模型的骨关节病变识别方法及装置。
技术介绍
1、据统计,目前全世界有3.6亿人饱受骨关节疾病折磨,骨关节疾病为威胁人类健康的“三大杀手”之一。随着医疗设备的普及和ai技术的发展,骨关节病变的检测逐步实现智能化。
2、但是目前的骨关节病变的智能诊断准确率较低,很难满足当前对骨关节病变识别的要求。
技术实现思路
1、本申请解决的问题是骨关节病变的识别准确率较低。
2、为解决上述问题,本申请第一方面提供了一种基于混合模型的骨关节病变识别方法,包括:
3、获取待识别骨关节图像;
4、对所述待识别骨关节图像中的边缘特征进行粗特征提取,得到初始粗特征图;
5、获取预训练的骨关节识别模型;
6、基于所述骨关节识别模型对所述待识别骨关节图像与所述初始粗特征图进行特征融合处理,得到融合特征图;
7、基于所述骨关节识别模型对所述融合特征图进行特征提取,得到病变识别结果。
8、本申请第二方面提供了一种基于混合模型的骨关节病变识别装置,其包括:
9、图像获取模块,其用于获取待识别骨关节图像;
10、粗特征提取模块,其用于对所述待识别骨关节图像中的边缘特征进行粗特征提取,得到初始粗特征图;
11、模型获取模块,其用于获取预训练的骨关节识别模型;
12、特征融合模块,其用于基于所述骨关节识别模型对所述待识别骨关节图像与所述
13、病变识别模块,其用于基于所述骨关节识别模型对所述融合特征图进行特征提取,得到病变识别结果。
14、本申请第三方面提供了一种电子设备,其包括:存储器和处理器;
15、所述存储器,其用于存储程序;
16、所述处理器,耦合至所述存储器,用于执行所述程序,以用于:
17、获取待识别骨关节图像;
18、对所述待识别骨关节图像中的边缘特征进行粗特征提取,得到初始粗特征图;
19、获取预训练的骨关节识别模型;
20、基于所述骨关节识别模型对所述待识别骨关节图像与所述初始粗特征图进行特征融合处理,得到融合特征图;
21、基于所述骨关节识别模型对所述融合特征图进行特征提取,得到病变识别结果。
22、本申请第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行实现上述所述的基于混合模型的骨关节病变识别方法。
23、本申请中,首先通过传统图像处理模型对待识别骨关节图像进行边缘特征提取,再通过深度学习模型对边缘特征提取的初始粗特征图和待识别骨关节图像进行病变识别,从而结合传统图像处理模型与深度学习模型,提高对骨关节病变识别的准确率。
24、本申请中,通过将边缘特征提取得到的初始粗特征图与待识别骨关节图像进行融合,从而对待识别骨关节图像中的边缘特征进行加强,提高病变识别结果的准确性。
本文档来自技高网...【技术保护点】
1.一种基于混合模型的骨关节病变识别方法,其特征在于,包括:
2.根据权利要求1所述的骨关节病变识别方法,其特征在于,所述对所述待识别骨关节图像中的边缘特征进行粗特征提取,得到初始粗特征图,包括:
3.根据权利要求2所述的骨关节病变识别方法,其特征在于,所述特征提取算子至少包括x方向特征提取算子、y方向特征提取算子、对角方向特征提取算子中的任意两个。
4.根据权利要求2所述的骨关节病变识别方法,其特征在于,所述算子特征图的权重基于所述待识别骨关节图像的灰度均值确定。
5.根据权利要求1-4中任一项所述的骨关节病变识别方法,其特征在于,所述基于所述骨关节识别模型对所述待识别骨关节图像与所述初始粗特征图进行特征融合处理,得到融合特征图,包括:
6.根据权利要求5所述的骨关节病变识别方法,其特征在于,所述多感受野特征提取模块包括多个感受野分支;所述多感受野特征提取模块基于如下步骤对所述初始粗特征图进行特征提取:
7.根据权利要求1-4中任一项所述的骨关节病变识别方法,其特征在于,所述骨关节识别模型包括病变识别单元,
8.一种基于混合模型的骨关节病变识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:存储器和处理器;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行实现权利要求1-7任一项所述的基于混合模型的骨关节病变识别方法。
...【技术特征摘要】
1.一种基于混合模型的骨关节病变识别方法,其特征在于,包括:
2.根据权利要求1所述的骨关节病变识别方法,其特征在于,所述对所述待识别骨关节图像中的边缘特征进行粗特征提取,得到初始粗特征图,包括:
3.根据权利要求2所述的骨关节病变识别方法,其特征在于,所述特征提取算子至少包括x方向特征提取算子、y方向特征提取算子、对角方向特征提取算子中的任意两个。
4.根据权利要求2所述的骨关节病变识别方法,其特征在于,所述算子特征图的权重基于所述待识别骨关节图像的灰度均值确定。
5.根据权利要求1-4中任一项所述的骨关节病变识别方法,其特征在于,所述基于所述骨关节识别模型对所述待识别骨关节图像与所述初始粗特征图进行特征融合处理,得到融合特征图...
【专利技术属性】
技术研发人员:张逸凌,刘星宇,
申请(专利权)人:北京长木谷医疗科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。