基于神经网络和体素模板的骨骼受损类型判别

摘要

针对骨骼受损类型复杂多样、难以自动判别的问题,提出一种基于神经网络和体素模板的骨骼受损类型自动判别方法.首先构建一种区域分割且规则化的体素模板,以有效地表征形态结构不规则的骨骼受损区域;然后建立一种受损骨骼与体素模板之间的同构映射,用于提取受损区域的体素信息,并依此生成受损类型体素样本库;再结合医学先验知识定义一种受损区域体素间的约束关系,将连续受损区域作为单元,对同类型样本进行组合以扩充样本库;最后设计和训练神经网络模型对骨骼的受损类型进行自动判别.实验中采集352份股骨受损样本,其预测结果与骨科医师的临床诊断结论相比,准确率达97％,且分类准确率、时间性能和所识别的受损类型数目优于现有文献方法,结果表明,该方法能够辅助医生快速、有效地判断患者骨骼的受损类型,为骨折手术中内固定植入物的选取提供理论基础.