(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211248759.2 (22)申请日 2022.10.12 (65)同一申请的已公布的文献号 申请公布号 CN 115311302 A (43)申请公布日 2022.11.08 (73)专利权人 四川大学华西医院 地址 610000 四川省成 都市武侯区国学巷 37号 (72)发明人 胡钦胜　姜泽坤　刘晓艳　李玲利　 黄泽宇　王浩洋　曾羿　石小军　 马俊　黄强　康鹏德　杨静　 周宗科　沈彬　 (74)专利代理 机构 成都高远知识产权代理事务 所(普通合伙) 51222 专利代理师 郑勇力　全学荣(51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G16H 50/20(2018.01) (56)对比文件 CN 115170469 A,202 2.10.11 CN 114419000 A,2022.04.29 CN 114332577 A,2022.04.12 审查员 刘利 (54)发明名称 股骨头缺血坏死分期诊断系统和存 储介质 (57)摘要 本发明属于医学图像处理技术领域， 具体涉 及一种股骨头缺血坏死分期特征构建方法、 诊断 系统和存储介质。 本发明的特征构建方法包括如 下步骤： 步骤1， 输入X片图像数据， 分割得到髋关 节的区域； 步骤2， 从所述区域中分别同时提取高 通量影像组学特征和深度学习特征； 步骤3， 将高 通量影像组学特征和深度学习特征融合后， 得到 用于输入股骨头缺血坏死分期模型的混合特征 数据集。 本发 明还进一步提供用于股骨头缺血坏 死分期的诊断系统。 本发明通过对 特征的选择和 模型种类的选择， 能够有效提高股骨头缺血坏死 分期结果的准确性， 能够满足临床的应用需求， 具有很好的应用前 景。 权利要求书1页 说明书4页 附图2页 CN 115311302 B 2022.12.23 CN 115311302 B 1.一种股骨头缺血坏死分期诊断系统， 其特 征在于， 包括： 髋关节X片获取和存 储模块， 用于获取和存 储髋关节X片图像数据； 髋关节自动分割和混合特征提取模块， 用于按照股骨头缺血坏死分期特征构建方法构 建混合特征数据集； 股骨头缺血坏死分期诊断模块， 用于学习所述混合特征数据集， 实现股骨头缺血坏死 分期的智能诊断； 所述股骨头缺血坏死分期诊断模块集成有股骨头缺血坏死分期模型， 所 述股骨头缺血坏死分期模型基于Transformer神经网络算法构建； 所述股骨头缺血坏死分期特 征构建方法包括如下步骤： 步骤1， 输入X片图像数据， 分割得到髋关节的区域； 步骤2， 从所述区域中分别同时提取高通 量影像组学特征和深度学习特 征； 步骤3， 将高通量影像组学特征和深度 学习特征融合后， 得到用于输入股骨头缺血坏死 分期模型的混合特 征数据集。 2.按照权利要求1所述的股骨头缺血坏死分期诊断系统， 其特征在于： 步骤1中， 用于分 割任务的模型 是基于nnU‑Net网络， 通过弱监 督学习构建的。 3.按照权利要求1所述的股骨头缺血坏死分期诊断系统， 其特征在于： 步骤2中， 提取高 通量影像组学特征基于PyRadi omics工具实现。 4.按照权利要求1所述的股骨头缺血坏死分期诊断系统， 其特征在于： 步骤2中， 提取深 度学习特 征基于Ima geNet迁移学习的ResNet预训练模型实现。 5.按照权利要求1所述的股骨头缺血坏死分期诊断系统， 其特征在于： 步骤2中， 所述高 通量影像组学特征和深度学习特 征分别为10 00个。 6.一种计算机可读存储介质， 其特征在于： 其上存储有用于实现权利要求1 ‑5任一项所 述的股骨头缺血坏死分期诊断系统的计算机程序。权　利　要　求　书 1/1 页 2 CN 115311302 B 2股骨头缺血坏死分期诊断系统和存 储介质 技术领域 [0001]本发明属于医学图像处理技术领域， 具体涉及一种股骨头缺血坏 死分期诊断系统 和存储介质。 背景技术 [0002]股骨头缺血性坏死 （avascular  necrosis  of the femoral head， FHN） 是由于股 骨头部分性或完全性缺血导致骨和骨髓细胞成分坏死。 它 是临床常见 的骨关节病之一， 具 有较高的发病率， 成人股骨头缺血性坏死诱因较多， 发病率呈逐年上升趋势， 并逐渐年轻 化。 而对该病早期诊断、 早期治疗能有效预防或延缓疾病的进一步发展， 改善髋关节的功 能， 提高患者的生活质量。 目前影像学检查已成为诊断本病重要手段。 虽然现在 有X线片、 CT 和MRI等多种筛查和诊断方法， 但在股骨头缺血坏死的早期， 患者往往没有症状或症状较 轻， 影像学特征也没有太明显改变； 同时， 一些地区特别是基层地区医疗水平存在明显差 异， 往往缺少专业的骨科及影像科医师， 仍会有大量患者被漏诊。 若没有得到及时治疗， 大 多数患者会在发病后1 ‑2年内症状逐渐加重， 最后造成股骨头塌陷， 需要行髋关节置换治 疗。 因此， 临床亟待需要一种便于使用的工具来 实现股骨头缺血坏死早期分期诊断， 防止漏 诊。 [0003]根据国际骨科诊断标准， Ficat分期和ARCO分期是股骨 头坏死最常用的诊断指 南， Ficat分期的使用约占到63%的比例。 其中， X片、 MRI是最常用的影像学评估工具， 用于评估 分期。 [0004]目前较多的研究关注于MRI图像的股骨头缺血坏死分期， 且较多依靠ARCO分期作 为评估指南， 单纯依靠X片的Ficat分期诊断研究技术相对较少。 主要是因为X片本身没有 MRI图像显像清晰， 通常诊断敏感度较低， 但是人工智能相关技术可以通过有效的训练来解 决这些临床问题； 同时， X片 本身相比于MRI扫描价格低廉， 若能实现精 准的股骨头缺血坏死 分期早期诊断， 将降低 患者的诊断成本， 实现更多的临床增益。 [0005]因此， 设计出基于X片的股骨头缺血坏死分期智能诊断系统及方法对于临床早期 诊断和早期治疗 具有重要的意义。 然而， 由于X片图像清晰度不 足， 通过机器学习模 型基于X 片进行股骨头缺血坏死分期的诊断准确性 仍然不够理想， 难以满足临床的应用需求。 发明内容 [0006]针对现有技术的问题， 本发明提供一种用于股骨头缺血坏死分期的特征构建方 法、 诊断系统和存储介质， 目的在于优化特征的构建方法和模型算法， 实现准确的基于X片 的股骨头缺血坏死分期的智能诊断。 [0007]一种股骨头缺血坏死分期特 征构建方法， 包括如下步骤： [0008]步骤1， 输入X片图像数据， 分割得到髋关节的区域； [0009]步骤2， 从所述区域中分别同时提取高通 量影像组学特征和深度学习特 征； [0010]步骤3， 将高通量影像 组学特征和深度学习特征融合后， 得到用于输入股骨头缺血说　明　书 1/4 页 3 CN 115311302 B 3