技术特征：
1.一种基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，包括：获取膝关节的核磁共振图像数据；将所述核磁共振图像数据输入到预设的图像分割网络模型中进行软骨区域分割，获得所述图像分割网络模型输出的软骨本体位置区域的二维医学图像；所述图像分割网络模型是以样本骨骼图像数据以及所述样本骨骼图像数据对应的软骨区域分割结果为样本训练得到的；基于所述软骨本体位置区域的二维医学图像和所述核磁共振图像数据，构建得到相应的三维医学图像；确定所述三维医学图像中的目标软骨，并对所述目标软骨进行分析以确定所述目标软骨的损伤程度。2.根据权利要求1所述的基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，对所述目标软骨进行分析以确定所述目标软骨的损伤程度，包括：对所述目标软骨进行定性分析，判断所述目标软骨是否为膝骨性关节炎，若是，则对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度。3.根据权利要求2所述的基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，对所述目标软骨进行定性分析，判断所述目标软骨是否为膝骨性关节炎，包括：利用所述图像分割网络模型对所述目标软骨进行缺损检测，判断所述目标软骨是否存在缺损区域，若是，则判定所述目标软骨存在膝骨性关节炎；若否，则判定所述目标软骨不存在膝骨性关节炎。4.根据权利要求2所述的基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度，包括：识别所述目标软骨存在缺损区域的轮廓；确定所述轮廓中所述缺损区域的像素个数；根据所述缺损区域的像素个数和目标软骨总区域的像素个数之间的比值进行软骨损伤程度分级，确定所述目标软骨的第一损伤程度。5.根据权利要求2所述的基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度，包括：识别目标软骨存在缺损区域的轮廓；确定所述缺损区域的软骨厚度，并识别目标软骨的最大厚度；根据所述缺损区域的软骨厚度和所述目标软骨的最大厚度之间的厚度比值进行软骨缺损程度分级，确定所述目标软骨的第二损伤程度。6.根据权利要求1所述的基于深度学习的骨性关节炎智能三维诊断方法，其特征在于，所述图像分割网络模型，包括：基于注意力机制的医学图像分割模块和point rend网络模块；所述基于注意力机制的医学图像分割模块用于定位核磁共振图像中的目标位置区域，并基于所述目标位置区域的边界对核磁共振图像进行分割处理；所述point rend网络模块用于对分割处理后的边界进行重新分类处理，得到满足预设条件的边界分割结果；基于所述边界分割结果，输出软骨本体位置区域的二维医学图像。7.一种基于深度学习的骨性关节炎智能三维诊断系统，其特征在于，包括：
图像数据获取单元，用于获取膝关节的核磁共振图像数据；图像分割处理单元，用于将所述核磁共振图像数据输入到预设的图像分割网络模型分割软骨区域，获得所述图像分割网络模型输出的软骨本体位置区域的二维医学图像；所述图像分割网络模型是基于样本骨骼图像数据、所述样本骨骼图像数据对应的软骨区域分割结果为样本训练得到的；三维重建单元，用于基于所述软骨本体位置区域的二维医学图像和所述核磁共振图像数据，构建得到相应的三维医学图像；软骨损伤程度确定单元，用于确定所述三维医学图像中的目标软骨，并对所述目标软骨进行分析以确定所述目标软骨的损伤程度。8.根据权利要求7所述的基于深度学习的骨性关节炎智能三维诊断系统，其特征在于，所述软骨损伤程度确定单元，具体用于：对所述目标软骨进行定性分析，判断所述目标软骨是否为膝骨性关节炎，若是，则对所述目标软骨进行定量分析，确定所述目标软骨的损伤程度。9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述基于深度学习的骨性关节炎智能三维诊断方法的步骤。10.一种处理器可读存储介质，所述处理器可读存储介质上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任意一项所述基于深度学习的骨性关节炎智能三维诊断方法的步骤。
技术总结
本发明提供一种基于深度学习的骨性关节炎智能三维诊断方法及系统。该方法包括：获取膝关节的核磁共振图像数据；将核磁共振图像数据输入到图像分割网络模型中进行软骨区域分割，获得输出的软骨本体位置区域的二维医学图像；图像分割网络模型是以样本骨骼图像数据及样本骨骼图像数据对应的软骨区域分割结果为样本训练得到的；基于软骨本体位置区域的二维医学图像和核磁共振图像数据，得到相应的三维医学图像；确定三维医学图像中的目标软骨，对目标软骨进行分析以确定目标软骨的损伤程度。本发明提供的方法，能够方便快速的检测膝骨性关节炎，降低了漏诊和误诊率，更加客观的诊断和评价膝骨性关节炎，提高了膝骨性关节炎的诊断效果和检测精度。断效果和检测精度。断效果和检测精度。
技术研发人员：张逸凌 刘星宇
受保护的技术使用者：张逸凌
技术研发日：2022.06.15
技术公布日：2022/9/30