基于深度学习的LDH自动诊断系统研究与开发

作     者：武玉欣 

作者单位：山东大学 

学位级别：硕士

导师姓名：李晓磊

授予年度：2021年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：腰椎间盘突出症 深度学习 Pfirrmann分级 MSU分型 

摘      要：目前,腰椎间盘突出症的诊断依靠医生主观判断,诊断结果的准确性会受到医生经验及知识水平的限制和影响。因此,实现腰椎间盘突出症的自动诊断具有重要的意义。本文在阅读大量脊柱疾病诊断技术相关文献的基础上,研究并开发了一套基于深度学习的腰椎间盘突出症自动诊断系统。针对椎间盘退变程度、突出位置及大小,实现了 Pfirrmann分级诊断模型和MSU分型诊断模型,并构建了腰椎间盘突出症自动诊断系统为患者及医生提供诊断依据与就诊意见。椎间盘退变是导致腰椎间盘突出的主要原因,Pfirrmann分级用于评价椎间盘的退变程度。首先为了提取感兴趣区域,即椎间盘图像,利用ResNet算法对矢状图椎间盘及椎体中心点定位;为了避免定位错误的情况出现,结合脊柱解剖学先验知识提出了椎间盘与椎体中心点定位约束,并提出了迭代修正算法得到定位正确的中心点坐标;基于此裁剪椎间盘图像送入Pfirrmann分级分类器中,得到Pfirrmann分级诊断结果。针对椎间盘突出大小及位置判断,即MSU分型诊断,基于中心点坐标裁剪椎间盘及椎管部分图像,进行突出诊断得到突出椎间盘;为了得到诊断MSU分型的辅助线,基于ResNet算法对轴状图关键点定位;为了提高定位准确率,修正定位错误的结果,结合脊柱空间几何关系提出了关键点定位约束条件,并提出关键点迭代修正算法修正定位错误的坐标;基于U-Net网络设计了椎间盘及突出分割算法,以此得到突出位置,并判断其与辅助线间的位置关系,得到MSU分型诊断结果。最后设计并开发了腰椎间盘突出症自动诊断系统。系统采用SpringBoot技术框架,使用Thymeleaf模板引擎,结合Flask进行深度学习模型的部署,开发了B/S模式的应用架构。利用多线程的方式处理医生即时诊断与后台数据队列读取、诊断的情况,结合实际病例验证了系统的高效性与可行性。