(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210680013.2 (22)申请日 2022.06.15 (71)申请人 中国人民解 放军陆军 军医大学第一 附属医院 地址 400038 重庆市沙坪坝区高滩岩正 街 30号 (72)发明人 刘晨　王薪钢　李晓明　程琳　 王健　温茹　陈辉　 (74)专利代理 机构 重庆鼎慧峰合知识产权代理 事务所(普通 合伙) 50236 专利代理师 石世疆 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06T 5/40(2006.01) (54)发明名称 一种基于髋关节DR图像的骨折识别模型及 方法 (57)摘要 本发明提供一种基于髋关节DR图像的骨折 识别模型及方法， 其中通过骨折识别模型中的多 头自注意力层和多头注意力层来捕获全局的上 下文信息， 从而对目标建立起远距离的依赖， 从 而提取出更强有力的特征； 且充分的结合了骨折 区域的信息， 本专利提出的算法网络对于骨折区 域的召回率有着显著的提升， 并且骨折的假阳数 量也有明显的下降， 从而提高骨折识别的准确 性。 权利要求书2页 说明书6页 附图3页 CN 115272176 A 2022.11.01 CN 115272176 A 1.一种基于髋关节DR图像的骨折识别模型， 其特征在于， 包括： 编码器组和解码器组， 其中， 所述编 码器组中包括多个编 码器， 每个编码器中包括第一多头自注意力 层、 第一求和 与归一化层、 第一前馈神经网络层； 所述解码 器组中包括多个解码 器， 每个解码器中包括第 二多头自注意力层、 第二求和与归一化层、 多头注意力层、 第二前馈神经网络层、 第三前馈 神经网络层； 其中， 所述编码器的参数包括目标特征图， 所述目标特征图的位置编码， 以及所述目标 特征图的标记； 所述解码 器的输入参数包括编 码器的输出， 编 码器的位置编 码， 目标检测框 的编码， 以及目标检测框的位置编码。 2.根据权利要求1所述的模型， 其特 征在于， 在所述编码器中： 所述第一多头自注意力层用于， 接收三个通道输入的向量， 并输出第一特征图， 其中， 第一通道V为值向量， 输入的是目标特征图， 第二通道K为键向量， 第三通道 Q为查询向量， 第 二通道K和第三 通道Q均为目标 特征图与目标 特征图的位置编码相加得到的向量； 所述第一求和与归一化层用于， 接收所述第一特征图， 将所述第一特征图与所述目标 特征图相加短接， 得到第二特 征图； 所述第一前馈神经网络层用于， 对当前编码器进行线性激活， 并将所述第二特征图作 为下一个编码器输入的目标 特征图。 3.根据权利要求2所述的模型， 其特 征在于， 在所述 解码器中： 所述第二多头自注意力层用于， 接收向量Q1、 向量K1以及向量V1， 并输出第三特征图， 其 中， 向量Q1为目标检测框的编码与目标检测框的位置编码相 加得到的向量， 向量 K1分别为最 后一个编码器或者上一个解码器的输出与目标检测框的位置编码得到的向量， 向量V1为最 后一个编码器或者上一个解码器的输出； 所述第二 求和与归一 化层用于， 稳定每一层的分布； 所述多头注意力层用于， 对目标检测框进行 学习； 所述第二前馈神经网络层用于， 根据对目标检测框学习的结果， 获取预测框的标准化 中心坐标， 高度和宽度； 所述第三前馈神经网络层用于， 将输入 的图像通过线性层后使用softmax函数预测类 标签， 对当前解码器进行线性激活， 并将当前解码器的输出作为下一个解码器的输入。 4.一种基于髋关节DR图像的骨折识别模型优化方法， 其特 征在于， 包括： 获取待处 理髋关节骨折的DR图像， 对所述DR图像进行 预处理， 得到目标DR图像； 采用标注工具对所述目标DR图像中髋关节骨折区域进行 标记， 得到目标图像； 通过inception ResNetV2算法对所述目标图像进行 特征提取， 得到目标 特征图； 将所述目标特征图作为基于髋 关节DR图像的骨折识别模型的输入， 对基于髋 关节DR图 像的骨折识别模型进行迁移学习和训练， 得到目标骨折识别模型。 5.根据权利要求4所述的方法， 其特征在于， 获取待处理髋关节骨折的DR图像， 对所述 DR图像进行 预处理， 得到目标DR图像步骤， 包括： 获取待处 理髋关节骨折的DR图像， 转换 所述DR图像 格式； 采用CLAHE算法对转换格式的所述DR图像进行处理， 突出所述DR图像中的骨折部分， 抑 制噪音， 得到目标DR图像。 6.根据权利要求5所述的方法， 其特征在于， 所述采用CLAHE算法对转换格式的所述DR权　利　要　求　书 1/2 页 2 CN 115272176 A 2图像进行处 理步骤， 包括： 对所述DR图像进行分块处理， 得到单块图像， 对所述单块图像进行计算直方图、 修剪直 方图和均衡处 理， 得到预处 理单块图像； 对所述预处 理单块图像进行块间线性插值处 理， 得到目标 单块图像； 将所述目标 单块图像组合并与所述DR图像进行图层滤色 混合， 得到目标DR图像。 7.一种基于髋关节DR图像的骨折识别方法， 其特 征在于， 包括： 获取待处 理的髋关节骨折的DR图像， 对所述DR图像进行 预处理， 得到目标DR图像； 使用基于髋关节DR图像的骨折识别模型对所述目标DR图像进行骨折识别。 8.一种计算机设备， 包括存储器、 处理器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权利要求4至7中任一项所 述方法的步骤。 9.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执行 时实现权利要求 4至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115272176 A 3