面向股骨骨折的小样本分类方法研究.pdfVIP

摘要

计算机辅助诊断可以减少医生的工作量，提高诊断效率，是未来医疗发展的

新趋势。在骨折的诊断过程中，需要判断骨折发生的位置以及骨折类型，以便制

定最佳的治疗方式。临床中，由于计算机断层扫描（CT）在骨折类型诊断中具有

更高的一致性、产生误判的概率更低等优点，所以一般采用CT影像进行分析。

而分型结果往往依赖于观察者的经验与直观印象，容易发生误诊。此外还存在由

于数据涉及患者隐私和病症分布不均而无法获取足量样本情况。因此本文针对上

述问题，围绕3维重建、CT影像配准、多视角采样以及卷积神经网络等关键技

术，提高了分型的诊断效率，降低了骨折分型诊断的误诊率。

（1）针对样本量较少的问题，本文充分利用CT影像的3维特性，改进原有

多视角方法的融合方式，提出基于多视角注意力融合的骨折分型方法。首先该方

法采用VTK重建库对原始的CT图像进行3维重建，然后对重建后的模型多角

度重采样，增加样本的数据量。分类时，采用通道叠加的方式将数据在通道上实

现融合，然后将融合后的数据放入2维通道注意力卷积网络中进行分类。实验表

明，本方法在分类准确率上优于其他方法，与基于3维卷积模型得到的结果相比，

在六部分型标准中准确率提高了10%，在AO分型（Arbeitsgemeinschaftfür

Osteosynthesefragen组织提出的分型标准）标准中准确率提高了5%。

（2）针对CT数据在重建后模型的位姿不确定的问题，本文提出了基于局部

位姿配准的骨折分型方法。本方法首先对CT数据进行局部配准，消除模型在重

建时由于位姿的倾斜导致的特征遮挡问题，然后对配准后的3维模型进行多视角

2维采样。在分类过程中，通过向分类模型引入旋转矩阵，预测模型在空间中的

旋转相对位姿关系，从而解决初始位姿不确定对分类模型所产生的干扰，提高分

类性能。实验表明，本方法与基于注意力视角融合方法相比，在六部分型中准确

率提高了8%。

（3）为了验证算法在实际场景下的效果，本文基于上述股骨骨折分型算法，

设计一套股骨骨折辅助分型系统。系统实现了图形化交互显示，包括原始骨折CT

图像横断面、冠状面、矢状面显示，以及3维重建后的效果显示。此外还实现了

对分型结果预测显示和患者的基本信息显示等功能。实验表明，在分型系统的辅

助下，医生的诊断检出率得到进一步的提高。

关键词：CT，骨折分型，重采样，多视角融合，卷积神经网络

ABSTRACT

Computeraideddiagnosisthatcanreducedoctor’sworkloadandimprove

diagnosisefficiencyisanewtrendofmedicaldevelopmentinthefuture.Intheprocess

offracturediagnosis,itisnecessarytojudgethelocationoffractureandthespecific

typeoffracturetotakethebesttreatment.Inclinic,thankstocomputedtomography

(CT)hastheadvantagesofhigherconsistencyandlowerprobabilityofmisjudgmentin

thediagnosisoffracturetypes,CTimagesaregenerallyusedforanalysis.ButThe

classificationresultsoftendependontheobserversexperienceandintuitiveimpression,

whichiseasilytomisdiagnosis.Inaddition,therearefewsamplesandhardtoobtain，

becauseofthedatainvolvingpatientprivacyandunevendistributionofdiseases.