技术特征：
1.基于cest骨科康复临床体系的骨科康复信息处理系统，其特征在于，包括骨骼信息采集模块、骨骼损伤程度鉴定模块和技术选择模块；骨骼信息采集模块包括通过特定设备扫描的骨骼信息，由医师采集的病患个人信息和病状描述信息，医师对病患的骨骼反应试验信息；骨骼损伤程度鉴定模块，其根据骨骼信息采集模块输入的信息输出骨骼具体处于哪一阶段；技术选择模块包括供选择的消炎镇痛技术、关节活动技术、肌肉增强技术、整合运动技术和功能增强技术；其还包括医师信息，医师信息包括其擅长的骨科康复技术信息；具体包括如下步骤：1)信息评估步骤：医生将病患信息输入骨骼信息采集模块，由特定设备扫描的骨骼信息和病状描述信息，以此明确病变部位与组织、病理改变和功能障碍情况；2)疾病阶段确认步骤：将步骤1)采集的信息传输给骨骼损伤程度鉴定模块，由骨骼损伤程度鉴定模块提供给系统其目前处于哪一阶段，并由医师进行最终选择；其中，骨骼损伤程度分为4个阶段包括急性炎症期、组织修复期、功能恢复期和功能增强期；3)采用骨科康复技术步骤：将步骤2)的所有信息传输给技术选择模块，由技术选择模块提供给系统选择采用的骨科康复技术，并将相应医师信息进行推荐；其中骨科康复技术包括消炎镇痛技术、关节活动技术、肌肉增强技术、整合运动技术和功能增强技术。2.根据权利要求1所述的基于cest骨科康复临床体系的骨科康复信息处理系统，其特征在于：骨骼损伤程度鉴定模块的信息判断步骤如下：201)卷积网络处理步骤：将特定设备扫描的骨骼信息图像，通过在resnet101网络中加入小型轻量级单元sk形成的图像过滤模型，使得过滤模型自适应地融合不同尺寸卷积核得到的不同感受野下的特征信息，动态地选取权重更高的感受野信息；202)特征融合步骤：将步骤201)过滤后的图像，通过基于改进fpn的骨干网络进行特征融合；改进fpn的骨干网络包括bottom
‑
up、top
‑
down和lateral connection模块，bottom
‑
up模块实现输入图片在backbone中提取特征的过程；top
‑
down模块将提取特征的高层特征图采用最近邻插值法进行上采样，且与低层特征图保持相同大小；lateral connection模块，首先通过1*1的卷积调整特征维度使bottom
‑
up和top
‑
down模块处理过程中与对应特征层维度保持一致，然后将特征层对应元素相加，实现特征融合；其中通过3*3的卷积操作来消除特征融合过程中产生的混叠效应；203)网络锚框优化步骤：将步骤202)中改进fpn的骨干网络的检测层设定为原图大小的1/4，即只采用融合后的level2作为检测层，并在原分阶融合的基础上添加反卷积的上采样方式，将level5直接与level2进行融合，增强level2中的语义信息；level2检测层结合目标的位置及长宽比特点，将level2检测层的锚框的尺度增加为[8，16，32]三种，长宽比为[1:1]，其对应原图的面积是(322，642，1282)，达到提升对小目标受损部位的定位准确性，从而提供更好的判断依据数据。3.根据权利要求2所述的基于cest骨科康复临床体系的骨科康复信息处理系统，其特征在于：将步骤201)中的resnet101网络中的每个卷积核大小为3
×
3的卷积层由一个小型轻量级单元sk替换，且将小型轻量级单元sk中m设置为2，m表示分路数量，采用扩张率为2的3
×
3空洞卷积替代原网络中的5
×
5卷积，在每条分路中采用g＝32的分组卷积，r＝16来控
制小型轻量级单元sk中fuse全连接层的参数。4.根据权利要求3所述的基于cest骨科康复临床体系的骨科康复信息处理系统，其特征在于：小型轻量级单元sk包括split、fuse、select三部分；split对输入的特定设备采集的图像采用多种不同大小卷积来提取其中的特征，对于其中的特征映射x∈r
h
′×
w
′×
c
′
，先进行两个转换f1:x
→
u1∈r
h
×
w
×
c
和f2:x
→
u2∈r
h
×
w
×
c
，h图像的高，w代表图像的宽，c代表通道数；即分别采用卷积核大小为3*3和5*5的卷积，并进行批归一化和relu函数处理；其中这两个转换卷积内部采用分组卷积的形式；fuse将多路卷积特征聚合后通过全局平均池化，通过全连接和softmax函数获取各路卷积权重的综合表示；具体如下：首先通过特征层对应元素相加的方式融合u1和u2：u＝u1+u2ꢀꢀꢀꢀ
公式(1)其次，通过全局平均池化的方式对u在空间维度上的特征进行压缩生成全局信息s∈r
c
；即输入尺寸为h
×
w，则其单个通道的全局平均池化公式如下：其中h、w为输入图像的长、宽，i、j为对应的获取图像的像素点，为u在空间维度上的单个通道的全局平均池化函数；再通过一个全连接层生成一个维数较小的特征z∈r
d
×1作为指导卷积核感受野的选择性参数；其中δ为relu函数，b表示批归一化，w∈r
d
×
c
；最后softmax函数根据前面的结果z在通道上进行权重分配，分别得到不同卷积核通道的权重表示：其中a，b∈r
c
×
d
和a，b分别表示u1和u2的软注意力向量，a
c
∈r1×
d
是a的第c行，a
c
表示a的第c个元素，b
c
∈r1×
d
是b的第c行，b
c
表示b的第c个元素；select根据卷积核权重重新聚合多种不同大小内核的特征映射；通过将上述两种不同卷积核上的注意力权值与对应通道元素相乘得到的特征图v：v
c
＝a
c
·
u
1c
+b
c
·
u
2c
，a
c
+b
c
＝1
ꢀꢀ
公式(9)其中v＝[v1，v2，...，v
c
]，v
c
∈r
h
×
w
。5.根据权利要求2所述的基于cest骨科康复临床体系的骨科康复信息处理系统，其特征在于：基于改进fpn的骨干网络为fpn结构应用于faster r
‑
cnn网络中，该网络将生成的多个融合特征图分别输入faster r
‑
cnn中的rpn网络，在rpn网络中为每种尺度的特征图生成对应长宽比的锚框，然后根据锚框尺度为目标选择合适的检测层。
技术总结
本发明公开了基于CEST骨科康复临床体系的骨科康复信息处理系统，包括骨骼信息采集模块、骨骼损伤程度鉴定模块和技术选择模块；骨骼信息采集模块包括通过特定设备扫描的骨骼信息，由医师采集的病患个人信息和病状描述信息，医师对病患的骨骼反应试验信息；骨骼损伤程度鉴定模块确认骨骼具体处于哪一阶段；技术选择模块包括供选择的消炎镇痛技术、关节活动技术、肌肉增强技术、整合运动技术和功能增强技术；且还包括医师信息，医师信息包括其擅长的骨科康复技术信息；本发明提供了使用方便、能对大量信息进行精准处理定位，提供精确受损部位，供医师判定疾病阶段和提供推荐相应医师的基于CEST骨科康复临床体系的骨科康复信息处理系统。处理系统。处理系统。
技术研发人员：马燕红 徐义明 陈康
受保护的技术使用者：上海市第六人民医院
技术研发日：2021.06.20
技术公布日：2021/9/3