利用生成对抗网络模型智能消除下肢骨影像骨赘的系统的制作方法

本发明涉及全膝关节置换技术领域，具体为利用生成对抗网络模型智能消除下肢骨影像骨赘的系统。

背景技术：

全膝关节置换术使用金属、高分子聚乙烯、陶瓷等材料，根据人体关节的形态、构造及功能制成人工膝关节假体，通过外科技术植入人体内，缓解关节疼痛，纠正关节畸形，恢复关节功能，提高患者生活质量。全膝关节置换术常用于治疗和改善严重的膝关节疼痛、不稳、畸形，如类风湿性关节炎、膝骨性关节炎，少数创伤性关节炎等疾病，包括截骨和软组织松解两个步骤，最终实现恢复下肢力线、保持软组织平衡，达到膝关节平衡的目的。

在全膝关节置换术前规划及手术过程中，骨赘的影响是不可以忽视的，首先，在术前规划中，骨赘对于机械轴、关节线、股骨前后轴、ap轴等关键标志的定位具有较大影响，错误的判断骨赘形貌、位置会导致定位标志偏差，从而影响膝关节功能、稳定性、运动范围且易造成术后疼痛。在临床全膝关节置换术前，医生需要依据不含骨赘的下肢骨影像资料进行手术的规划与决策，医生更为擅长的是医学知识，图像处理对于医生而言可谓耗时耗力。经验丰富的医生能够提出需求进行指导协助其他技术人员完美消除下肢骨影像的骨赘，但是他们却苦于自己动手进行图像处理消除下肢骨影像的骨赘部分，而经验欠缺的医生尚且不能凭借医学经验进行指导完美消除下肢骨影像的骨赘部分，自己操作则更为困难。鉴于此，我们提出利用生成对抗网络模型智能消除下肢骨影像骨赘的系统。

技术实现要素：

本发明的目的在于提供利用生成对抗网络模型智能消除下肢骨影像骨赘的系统，为骨科医生节约大量的时间，同时也为资历尚浅的医生指导帮助。

为实现上述目的，一方面，本发明提供利用生成对抗网络模型智能消除下肢骨影像骨赘的系统，包括图像采集盒以及安装在所述图像采集盒顶部的盒盖，所述图像采集盒为一端设有开口的中空盒体，所述图像采集盒的内壁安装有用于对图像进行采集的采集装置，所述采集装置包括一对截面呈“l”形的安装块，所述安装块的内壁安装有第一丝杠螺母，所述第一丝杠螺母内螺纹连接有第一滚珠丝杠，所述第一滚珠丝杠的一端安装有第一步进电机，两个所述安装块之间设置有第二滚珠丝杠，所述第二滚珠丝杠上螺纹连接有第二丝杠螺母，所述第二丝杠螺母的外壁安装有承接块，所述承接块的顶部安装有图像传感器，所述第二滚珠丝杠的一端安装有第二步进电机。

作为优选，所述图像采集盒的内壁开设有导轨槽，所述安装块和所述导轨槽滑动配合。

作为优选，所述图像采集盒内壁安装有玻璃板，所述玻璃板的外壁设置有插块，所述图像采集盒靠近所述玻璃板一侧开设有插槽，所述插块和所述插槽插接配合。

作为优选，所述图像采集盒的顶部两侧分别开设有一对滑槽，两个滑槽之间通过挡板隔开，所述盒盖设置有一对，所述盒盖的底部两侧分别开设有凹槽，所述凹槽内分别设置有固定块和移动块，所述移动块和所述凹槽滑动配合，所述固定块和所述移动块之间安装有弹簧。

作为优选，所述固定块靠近所述挡板一端。

作为优选，所述盒盖的顶部开设有扣槽，所述扣槽呈弧形。

作为优选，所述图像采集盒的外壁还设置有图像处理系统，所述图像处理系统包括用于对影像数据进行采集的图像采集模块以及对采集的影像数据进行训练的图像训练模块。

作为优选，所述图像采集模块包括图像传感器模块、放大滤波模块、a/d转换模块、步进电机模块以及信号处理模块；

所述图像采集模块用于调用图像传感器对影像进行采集；

所述放大滤波模块用于对采集的影像信号进行前置反向、滤波及放大处理；

所述a/d转换模块用于对影像信号进行数字化处理；

所述步进电机模块用于控制第一步进电机和第二步进电机的转速；

所述信号处理模块用于对转化的数字信号进行定点处理。

作为优选，所述图像训练模块包括数据收集模块、建立生成器模块、映射样本模块、建立判别器模块和输出结果模块；

所述数据收集模块用于采集消除骨赘的下肢骨影像数据以及未消除骨赘的下肢骨影像数据；

所述建立生成器模块用于将未消除骨赘的下肢骨影像数据输入生成器g；

所述映射样本模块用于采用多层感知机的网络结构，用mlp的参数来表示可导映射g(z)，将输入空间映射到样本空间；

所述建立判别器模块用于将消除骨赘的下肢骨影像数据和生成器g映射的样本g(z)输入判别器d；

所述输出结果模块用于采用“sigmoid函数”变换以“0”和“1”表示判别器d的最终判别结果。

作为优选，上述任意一项所述的利用生成对抗网络模型智能消除下肢骨影像骨赘的系统的操作步骤如下：

s1、打开盒盖：操作人员双手分别扣在扣槽内，并用力向两侧拉动，此时固定块和移动块均在滑槽内滑动，使得两个盒盖在图像采集盒上背向运动，直到移动块接触到滑槽一侧内壁上，此时，继续推动盒盖，移动块在凹槽内向固定块一侧滑动，并挤压弹簧收缩，盒盖继续在图像采集盒上背向运动，直到盒盖完全打开，此时能够将影像图片从两个盒盖放入玻璃板上；

s2、关闭盒盖：松开双手后，在弹簧自身弹性的作用下，将固定块推出，使得固定块在滑槽内向挡板一侧运动，直到固定块抵至在挡板上，两个盒盖重合，对图像采集盒进行密封；

s3、影像采集：将消除下肢骨骨赘的影像图片或者未消除下肢骨骨赘的影像图片贴合在玻璃板上，此时将图像传感器接通电源，使其工作，通过图像传感器对影像图片进行采集，同时，将第一步进电机接通电源，使其工作，第一步进电机带动第一滚珠丝杠转动，并螺动第一丝杠螺母在第一滚珠丝杠上进行直线运动，进而带动安装块在导轨槽内横向移动，再将第二步进电机接通电源，使其工作，第二步进电机带动第二滚珠丝杠转动，并螺动第二丝杠螺母在第二滚珠丝杠上进行直线运动，进而带动图像传感器的直线运动，完成图像传感器全方位采集；

s4、建立生成器：将未消除下肢骨骨赘的影像数据输入生成器g；

s5、映射样本：采用多层感知机的网络结构，用mlp的参数来表示可导映射g(z)，将输入空间映射到样本空间；

s6、建立判别器：将消除下肢骨骨赘的影像数据和生成器g映射的样本g(z)输入判别器d；

s7、输出结果：采用“sigmoid函数”变换以“0”和“1”表示判别器d的最终判别结果。

与现有技术相比，本发明的有益效果：

1、该利用生成对抗网络模型智能消除下肢骨影像骨赘的系统中，通过设置的第一步进电机和第二步进电机，能够带动图像传感器在图像采集盒内全方位移动，完成图像传感器全方位采集，提高影像图片信息采集效果。

2、该利用生成对抗网络模型智能消除下肢骨影像骨赘的系统中，通过弹簧自身弹性的作用下，将固定块推出，使得固定块在滑槽内向挡板一侧运动，直到固定块抵至在挡板上，两个盒盖重合，对图像采集盒进行密封，提高图像采集盒的遮光效果。

3、该利用生成对抗网络模型智能消除下肢骨影像骨赘的系统，只需完成模型训练便可以重复利用，迅速准确自动消除下肢骨影像中的骨赘，帮助医生进行手术规划，易于操作、准确度高、满足患者个体差异的优点，同时通过完善术前规划的依据资料，指导手术规划和假体选择，提高后续手术的准确率，对增加患者术后假体的使用寿命，降低术后并发症，提高患者术后生活质量有重要作用。

附图说明

图1为本发明的整体结构示意图；

图2为本发明的图像采集盒内部结构示意图；

图3为本发明的图像采集盒结构示意图；

图4为本发明的采集装置结构示意图；

图5为本发明的玻璃板结构示意图；

图6为本发明的实施例二中图像采集盒结构示意图；

图7为本发明的盒盖背面结构示意图；

图8为本发明的盒盖正面结构示意图；

图9为本发明的实施例3中图像采集盒整体结构示意图；

图10为本发明的图像处理系统模块图；

图11为本发明的图像采集模块图；

图12为本发明的图像训练模块图；

图13为本发明的图像训练模块整体流程框架图。

图中：1、图像采集盒；11、导轨槽；12、插槽；13、滑槽；14、挡板；2、盒盖；21、凹槽；22、固定块；23、移动块；24、弹簧；25、扣槽；3、玻璃板；31、插块；4、采集装置；41、安装块；42、第一丝杠螺母；43、第一滚珠丝杠；44、第一步进电机；45、第二滚珠丝杠；46、第二丝杠螺母；47、承接块；48、图像传感器；49、第二步进电机；5、图像处理系统。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

实施例1

一方面，本发明提供利用生成对抗网络模型智能消除下肢骨影像骨赘的系统，如图1-图5所示，包括图像采集盒1以及安装在图像采集盒1顶部的盒盖2，图像采集盒1为一端设有开口的中空盒体，图像采集盒1的内壁安装有用于对图像进行采集的采集装置4，采集装置4包括一对截面呈“l”形的安装块41，安装块41的内壁安装有第一丝杠螺母42，第一丝杠螺母42内螺纹连接有第一滚珠丝杠43，第一滚珠丝杠43的一端安装有第一步进电机44，两个安装块41之间设置有第二滚珠丝杠45，第二滚珠丝杠45上螺纹连接有第二丝杠螺母46，第二丝杠螺母46的外壁安装有承接块47，承接块47的顶部安装有图像传感器48，第二滚珠丝杠45的一端安装有第二步进电机49。

本实施例中，图像采集盒1的内壁开设有导轨槽11，安装块41和导轨槽11滑动配合，同时采用“l”形的安装块41，使得安装块41的一边能够插在导轨槽11内进行滑动，安装块41的另一边能够用于安装第二步进电机49。

进一步的，图像采集盒1内壁安装有玻璃板3，玻璃板3的外壁设置有插块31，图像采集盒1靠近玻璃板3一侧开设有插槽12，插块31和插槽12插接配合，便于将玻璃板3固定在图像采集盒1内，同时通过玻璃板3对需要采集的影像照片进行放置，不影响图像传感器48的采集。

具体的，第一滚珠丝杠43的一端与第一步进电机44的输出轴同轴设置，第一滚珠丝杠43的另一端通过轴承转动连接在导轨槽11内壁，便于第一步进电机44驱动第一滚珠丝杠43在导轨槽11内转动。

此外，第二滚珠丝杠45的一端与第二步进电机49的输出轴同轴设置，第二滚珠丝杠45的另一端通过轴承转动连接在安装块41外壁上，便于第二步进电机49驱动第二滚珠丝杠45在安装块41上转动。

本实施例的利用生成对抗网络模型智能消除下肢骨影像骨赘的系统进行影像采集时，将消除下肢骨骨赘的影像图片或者未消除下肢骨骨赘的影像图片贴合在玻璃板3上，此时将图像传感器48接通电源，使其工作，通过图像传感器48对影像图片进行采集，同时，将第一步进电机44接通电源，使其工作，第一步进电机44带动第一滚珠丝杠43转动，并螺动第一丝杠螺母42在第一滚珠丝杠43上进行直线运动，进而带动安装块41在导轨槽11内横向移动，再将第二步进电机49接通电源，使其工作，第二步进电机49带动第二滚珠丝杠45转动，并螺动第二丝杠螺母46在第二滚珠丝杠45上进行直线运动，进而带动图像传感器48的直线运动，完成图像传感器48全方位采集，提高影像图片信息采集效果。

实施例2

作为本发明的第二种实施例，为了便于在对影像图片采集时，图像采集盒1能够有良好的遮光效果，本发明人员对图像采集盒1作出改进，作为一种优选实施例，如图6-图8所示，图像采集盒1的顶部两侧分别开设有一对滑槽13，两个滑槽13之间通过挡板14隔开，盒盖2设置有一对，盒盖2的底部两侧分别开设有凹槽21，凹槽21内分别设置有固定块22和移动块23，移动块23和凹槽21滑动配合，固定块22和移动块23之间安装有弹簧24。

本实施例中，固定块22靠近挡板14一端，使得在开启盒盖2时，移动块23受到滑槽13内壁阻挡后，移动块23能够在滑槽13内滑动，保障盒盖2开启顺畅。

进一步的，盒盖2的顶部开设有扣槽25，扣槽25呈弧形，便于通过拉动扣槽25带动盒盖2移动，且弧形扣槽25符合人体工程学设计。

具体的，固定块22和移动块23均与滑槽13滑动配合，通过固定块22和移动块23在滑槽13内滑动，便于推开盒盖2。

本实施例的利用生成对抗网络模型智能消除下肢骨影像骨赘的系统的盒盖2在使用时，操作人员双手分别扣在扣槽25内，并用力向两侧拉动，此时固定块22和移动块23均在滑槽13内滑动，使得两个盒盖2在图像采集盒1上背向运动，直到移动块23接触到滑槽13一侧内壁上，此时，继续推动盒盖2，移动块23在凹槽21内向固定块22一侧滑动，并挤压弹簧24收缩，盒盖2继续在图像采集盒1上背向运动，直到盒盖2完全打开，此时能够将影像图片从两个盒盖2放入玻璃板3上，松开双手后，在弹簧24自身弹性的作用下，将固定块22推出，使得固定块22在滑槽13内向挡板14一侧运动，直到固定块22抵至在挡板14上，两个盒盖2重合，对图像采集盒1进行密封。

实施例3

作为本发明的第三种实施例，为了便于对采集的影像数据进行训练，本发明人员还设置有图像处理系统5，作为一种优选实施例，如图9-13所示，图像采集盒1的外壁还设置有图像处理系统5，图像处理系统5包括用于对影像数据进行采集的图像采集模块以及对采集的影像数据进行训练的图像训练模块，图像采集模块包括图像传感器模块、放大滤波模块、a/d转换模块、步进电机模块以及信号处理模块，图像采集模块用于调用图像传感器48对影像进行采集，放大滤波模块用于对采集的影像信号进行前置反向、滤波及放大处理，a/d转换模块用于对影像信号进行数字化处理，步进电机模块用于控制第一步进电机44和第二步进电机49的转速，信号处理模块用于对转化的数字信号进行定点处理，图像训练模块包括数据收集模块、建立生成器模块、映射样本模块、建立判别器模块和输出结果模块，数据收集模块用于采集消除骨赘的下肢骨影像数据以及未消除骨赘的下肢骨影像数据，建立生成器模块用于将未消除骨赘的下肢骨影像数据输入生成器g，映射样本模块用于采用多层感知机的网络结构，用mlp的参数来表示可导映射g(z)，将输入空间映射到样本空间，建立判别器模块用于将消除骨赘的下肢骨影像数据和生成器g映射的样本g(z)输入判别器d，输出结果模块用于采用“sigmoid函数”变换以“0”和“1”表示判别器d的最终判别结果。

本实施例中，图像传感器48采用tcd1208ap线阵ccd作为图像传感器，tcd1208ap是日本toshiba公司生产的线阵ccd传感芯片,具有2160个像元，像元尺寸及间距为14μum*14μm，tcd1208ap具有灵敏度高、暗电流低等特点，工作电压为单一的5v，是二相输出的线阵ccd器件，符合本发明采集的需求。

进一步的，ccd输出信号的特点决定了它不能直接送入a/d转换器，必须先从硬件上对其进行一系列的预处理,消除信号中的驱动脉冲及噪声等所造成的干扰，因此需将信号进行前置反向、滤波及放大，在实施例中,选用一片ca3450运算放大器作为放大滤波模块进行反向、放大，并在ca3450的输出端接一级rc滤波器滤除噪声，经过上述处理的信号就可以被送入a/d转换器进行数字化处理，a/d转换模块选用8位、高速、并行闪速结构的a/d转换芯片ca3318ce，完全可以满足ccd(imhz)的工作要求，利用a/d转换技术将信号转换成与之相应的、能够反应图像灰度变化的数字量，提高了测量精度和分辨率，当ca3318ce的输出使能有效时，就可以将a/d转换结果送至8位数据线上，这样，在数据存储器写允许及地址有效的前提下，就能将数据写入数据存储器sram中。

具体的，信号处理模块可选用tms320vc5402处理器，tms320vc5402是定点数字信号处理器，体系结构为哈佛结构,具有先进的多总线结构,40位算术逻辑单元(alu)包括一个40位桶形移位寄存器和两个40位累加器，数据/程序寻址空间为64k/imb,内置i6kb的ram和4kb的rom,有两个缓冲串口。另外,它还提供dma方式和多种片内外设,操作速度最高为100mips。

此外，图像训练模块是对生成对抗网络模型的训练所需要的数据包括大量消除骨赘的下肢骨影像数据记作pdata以及未消除骨赘的下肢骨影像数据记作pz。对于生成器g，我们将未消除骨赘的下肢骨影像数据输入生成器g，采用多层感知机的网络结构，用mlp的参数来表示可导映射g(z)，将输入空间映射到样本空间对于判别器d，将输入真实样本，消除骨赘的下肢骨影像数据x(带有标签real)和生成器伪造的样本g(z)，判别器采用带有参数的多层感知机，记为d(x)。对于输出结果将采用“sigmoid函数”变换以“0”和“1”表示判别器的最终判别结果。函数v(g,d)表示最终优化目标公式如下：

除此之外，生成对抗网络模型的优化过程，生成对抗网络模型是最大最小的优化，本质上是生成器g和判别器d两个优化问题，我们是在k个优化判别器d的步骤和一个优化生成器g的步骤间交替进行的，生成器g和判别器d的最终优化目标分别如下：

判别器d的优化目标：

生成器g的优化目标：

值得说明的是，生成对抗网络判别器d的优化过程，从消除骨赘的下肢骨影像数据中抽取m个样本，同时从未消除骨赘的下肢骨影像数据中抽取m个噪声样本送入生成器g而生成数据通过梯度上升法跟新迭代判别器d的参数，以使得极大化该过程在一次优化循环迭代中会重复n次，确保最大化价值函数。

进一步的，生成对抗网络生成器g的优化过程，从未消除骨赘的下肢骨影像数据中另外抽取m个噪声样本{z¹,z²,...z^m}通过梯度下降法，更新迭代生成器参数以使得极大化该过程在一次优化循环迭代中重复一次，可以避免更新太多使得js散度上升。

另一方面，本发明还提供了该利用生成对抗网络模型智能消除下肢骨影像骨赘的系统的操作方法，其操作步骤如下：

s1、打开盒盖2：操作人员双手分别扣在扣槽25内，并用力向两侧拉动，此时固定块22和移动块23均在滑槽13内滑动，使得两个盒盖2在图像采集盒1上背向运动，直到移动块23接触到滑槽13一侧内壁上，此时，继续推动盒盖2，移动块23在凹槽21内向固定块22一侧滑动，并挤压弹簧24收缩，盒盖2继续在图像采集盒1上背向运动，直到盒盖2完全打开，此时能够将影像图片从两个盒盖2放入玻璃板3上；

s2、关闭盒盖2：松开双手后，在弹簧24自身弹性的作用下，将固定块22推出，使得固定块22在滑槽13内向挡板14一侧运动，直到固定块22抵至在挡板14上，两个盒盖2重合，对图像采集盒1进行密封；

s3、影像采集：将消除下肢骨骨赘的影像图片或者未消除下肢骨骨赘的影像图片贴合在玻璃板3上，此时将图像传感器48接通电源，使其工作，通过图像传感器48对影像图片进行采集，同时，将第一步进电机44接通电源，使其工作，第一步进电机44带动第一滚珠丝杠43转动，并螺动第一丝杠螺母42在第一滚珠丝杠43上进行直线运动，进而带动安装块41在导轨槽11内横向移动，再将第二步进电机49接通电源，使其工作，第二步进电机49带动第二滚珠丝杠45转动，并螺动第二丝杠螺母46在第二滚珠丝杠45上进行直线运动，进而带动图像传感器48的直线运动，完成图像传感器48全方位采集；

s4、建立生成器：将未消除下肢骨骨赘的影像数据输入生成器g；

s5、映射样本：采用多层感知机的网络结构，用mlp的参数来表示可导映射g(z)，将输入空间映射到样本空间；

s6、建立判别器：将消除下肢骨骨赘的影像数据和生成器g映射的样本g(z)输入判别器d；

s7、输出结果：采用“sigmoid函数”变换以“0”和“1”表示判别器d的最终判别结果。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。