“骨盆警鐘”——基于多模態骨盆影像的自動標定與風險預警評估系統

1 作品介紹

骨盆是身體的核心，骨盆傾斜會導致體態異常，同時會壓迫周圍神經、使下肢關節受力不平衡，引起多種并發癥。傳統人工檢測方法費時費力且主觀性強，缺少嚴格的陰、陽性癥狀劃線，基于機器學習的檢測方法準確性低且對圖片質量要求高，易出現誤診或變相誤診。

本項目旨在開發一種新型骨盆疾病預警篩查模型系統，采用西醫二維X光圖像采集數據與中醫尋找骨盆特征點有機結合的方法，集成3種深度學習算法搭建骨盆投影圖像特征點自動提取及標定系統，實現對骨盆15個特征點的提取和分析。同時研究不同年齡層及不同性別人群骨盆發育正常的標準，基于二維X光圖像給出量化的陰性人群的信息區間，根據前期調研已確定的點、線、角3個層面的6個評估標準來構建骨盆影像自動化標定與風險預警評估系統，指導醫生完成臨床診斷。利用coarse-to-fine投影測量標志點檢測方法對提取的點進行評估，不斷優化模型，提高精度，以確保特征點的相對準確性，并搭建醫患交互圖像處理平臺，制定可視化評估標準。醫患交互圖像處理平臺界面如圖1所示。

2 技術原理說明

2.1 數據采集與預處理

通過對采集的人體X光骨盆投影圖像依次進行高斯核卷積去噪濾波來消除噪聲，并利用灰度插值法解決非整數點的灰度確定問題，最后采用直方圖均衡化原理進行圖像增強，完成對圖像的預處理。

2.2 特征點的提取以及分析標定

我們采用深度學習卷積神經網絡ResNet 50算法，實現骨盆投影圖像的特征點自動提取；采用特征金字塔融合和回歸投票等算法實現特征點預測。

2.3 評估標準的提取與系統搭建

在得到標定的15個特征點后，我們根據實際臨床需求自動對對應位置的點進行連線，計算夾角及直線間距離等，結合醫生指導給出類別標簽，對于標定的點進行功能化分析，并提取了6個評估標準。最終集成多種算法，設置軟件界面，構建骨盆影像自動化標定與風險預警評估系統，并不斷完善、優化，提高判斷的準確率與可靠性。

3 作品創新點

目前臨床使用較多的自動化標定系統主要集中在人體頜面的檢測中，針對骨盆特征點的標定主要由醫生人工標定，效率低，誤診率高。本項目提出采用人工智能方法對骨盆特征點進行自動化標定，以提升自動化提取特征點的速度與精度；制定可視化骨盆前傾、側傾等問題的評判標準，立體化評估，指導醫生完成臨床診斷；系統可以預估骨盆側傾的治療周期，預測患者治療后的情況，實現對骨盆問題的早期篩查。