基于深度学习的空间骨盆参数自动测量方法

作者：邵堃; 霍星; 荆珏华; 王浩; 田大胜; 程里; 檀结庆

来源：2019-06-17, 中国, ZL201910521995.9.

本发明公开一种基于深度学习的空间骨盆参数自动测量方法,包括以下步骤：将原始CT图像进行二值化处理,重建三维骨盆模型；将原始CT图像输入至收敛后的DRINet网络模型中,识别得到股骨头区域,并保存所述股骨头区域；采用聚类算法对识别出的的股骨头区域进行聚类,得到三维股骨头坐标,重建股骨头三维模型；将原始CT图像输入至收敛后的的VGG16网络模型中,按序识别输入的图像,找到含有骶骨的图像；到含有骶骨的图像运行4连通区域识别算法,根据最大连通区域找到用于映射的基本点；将所述基本点映射回重建的三维骨盆模型,生成S1空间骶骨面模型；计算骨盆参数。本发明具有利用病人的CT图像,能完成对病人的包括骨盆入口平面面积等参数的自动测量的优点。

• 单位
  合肥工业大学