基于超声波的骨骼图像识别方法及系统

本技术涉及数据识别，具体而言，涉及基于超声波的骨骼图像识别方法及系统。

背景技术：

1、骨骼是组成脊椎动物内骨骼的坚硬器官，功能是运动、支持和保护身体；制造红血球和白血球；储藏矿物质。骨骼由各种不同的形状组成，有复杂的内在和外在结构，使骨骼在减轻重量的同时能够保持坚硬。骨骼的成分之一是矿物质化的骨骼组织，其内部是坚硬的蜂巢状立体结构；其他组织还包括了骨髓、骨膜、神经、血管和软骨。人体的骨骼起着支撑身体的作用，是人体运动系统的一部分。

2、现目前，针对骨骼的识别，可能存在识别不清楚或者设备老旧导致骨骼识别不准确等问题，因此，亟需一种技术方案以改善上述技术问题。

技术实现思路

1、为改善相关技术中存在的技术问题，本技术提供了基于超声波的骨骼图像识别方法及系统。

2、第一方面，提供一种基于超声波的骨骼图像识别方法，所述方法包括：获得携带有骨骼图像检测属性的范例骨骼图像；根据事先设定异常骨骼图像识别方式，处理所述范例骨骼图像生成所述范例骨骼图像对应的异常骨骼图像；通过所述范例骨骼图像以及所述异常骨骼图像搭建数据库，所述数据库内的因素二元组包括第一骨骼图像、第二骨骼图像、第一骨骼图像比第二骨骼图像像素好的可能性、以及所述范例骨骼图像的骨骼图像检测属性，所述第一骨骼图像是所述范例骨骼图像和所述异常骨骼图像中的其中一个，所述第二骨骼图像是所述范例骨骼图像和所述异常骨骼图像中的剩余一个；获得待配置的人工智能线程，所述人工智能线程包括不少于两个描述知识抽取单元以及与所述不少于两个描述知识抽取单元的输出连接的描述知识识别单元；使用所述数据库，对所述待配置的人工智能线程进行配置，以得到配置后的人工智能线程；获得待识别骨骼图像；调用配置后的人工智能线程，所述配置后的人工智能线程是通过范例骨骼图像以及异常骨骼图像配置得到的；其中，所述异常骨骼图像是通过对所述范例骨骼图像进行预处理得到的；使用所述配置后的人工智能线程，对所述待识别骨骼图像进行处理得到所述待识别骨骼图像的骨骼图像识别结果；向终端发送所述待识别骨骼图像的骨骼图像识别结果。

3、进一步地，所述根据事先设定异常骨骼图像识别方式，处理所述范例骨骼图像生成所述范例骨骼图像对应的异常骨骼图像的步骤，包括：获得像素描述事项，所述像素描述事项包括骨骼信息、软骨信息、骨膜信息中的至少一种；依据所述像素描述事项，挑选所述像素描述事项关联的识别方式处理所述范例骨骼图像生成所述范例骨骼图像对应的异常骨骼图像。

4、进一步地，所述依据所述像素描述事项，挑选所述像素描述事项关联的识别方式处理所述范例骨骼图像生成所述范例骨骼图像对应的异常骨骼图像的步骤，包括以下方式中的至少一种：当所述像素描述事项包括骨骼信息时，以事件或者要素为清洗单位，对所述范例骨骼图像的内容进行清洗，得到所述异常骨骼图像；当所述像素描述事项包括软骨信息时，以事件或者要素为调试单位，对所述范例骨骼图像的内容进行移动，得到所述异常骨骼图像；当所述像素描述事项包括骨膜信息时，以事件或者要素为分析单位，将所述范例骨骼图像的内容分析为其他无关内容，得到所述异常骨骼图像。

5、进一步地，所述通过所述范例骨骼图像以及所述异常骨骼图像搭建数据库的步骤，包括：从所述范例骨骼图像和所述异常骨骼图像中确定一个骨骼图像确定为第一骨骼图像，另一个确定为第二骨骼图像；依据所述第一骨骼图像的内容，确定所述第一骨骼图像比第二骨骼图像像素好的可能性；将所述第一骨骼图像、对应的第二骨骼图像、所述第一骨骼图像比第二骨骼图像像素好的可能性、以及所述范例骨骼图像的骨骼图像检测属性，搭建为因素二元组。

6、进一步地，所述依据所述第一骨骼图像的内容，确定所述第一骨骼图像比第二骨骼图像像素好的可能性的步骤，包括：在所述第一骨骼图像的内容为所述范例骨骼图像时，确定所述第一骨骼图像比第二骨骼图像像素好的可能性为100%；在所述第一骨骼图像的内容为所述范例骨骼图像对应的异常骨骼图像时，确定所述第一骨骼图像比第二骨骼图像像素好的可能性为0%。

7、进一步地，所述使用所述数据库，对所述待配置的人工智能线程进行配置的步骤，包括：将第一骨骼图像和第二骨骼图像分别输入不同的描述知识抽取单元，得到所述第一骨骼图像的第一骨骼图像描述知识、和所述第二骨骼图像的第二骨骼图像描述知识；所述不同的描述知识抽取单元为一致的人工智能线程；融合所述第一骨骼图像描述知识和所述第二骨骼图像描述知识，输入所述描述知识识别单元，得到所述范例骨骼图像对应骨骼图像的回归分析识别结果、以及所述第一骨骼图像比第二骨骼图像像素好的回归分析可能性；根据量化评估模型、所述回归分析识别结果、所述骨骼图像检测属性、所述回归分析可能性、所述可能性，对所述描述知识抽取单元以及所述描述知识识别单元的系数进行修正。

8、进一步地，所述根据量化评估模型、所述回归分析识别结果、所述骨骼图像检测属性、所述回归分析可能性、所述可能性，对所述描述知识抽取单元以及所述描述知识识别单元的系数进行修正的步骤，包括：依据所述回归分析识别结果和所述骨骼图像检测属性，确定所述量化评估模型中的第一量化评估模型；依据所述回归分析可能性和所述可能性，确定所述量化评估模型中的第二量化评估模型；最小化最终量化评估模型，以反向修正所述描述知识抽取单元以及所述描述知识识别单元的系数，所述最终量化评估模型为所述第一量化评估模型和所述第二量化评估模型的加权平均。

9、进一步地，所述使用所述配置后的人工智能线程，对所述待识别骨骼图像进行处理得到所述待识别骨骼图像的骨骼图像识别结果的步骤，包括：

10、将所述待识别骨骼图像同时输入不同的描述知识抽取单元，得到所述待识别骨骼图像的若干个骨骼图像描述知识；所述不同的描述知识抽取单元为一致的人工智能线程；融合所述待识别骨骼图像的若干个骨骼图像描述知识，输入所述描述知识识别单元，得到所述待识别骨骼图像对应骨骼图像的回归分析识别结果。

11、第二方面，提供一种基于超声波的骨骼图像识别系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

12、本技术实施例所提供的基于超声波的骨骼图像识别方法及系统，获得待识别骨骼图像，然后调用配置后的人工智能线程，所述配置后的人工智能线程通过范例骨骼图像以及由所述范例骨骼图像得到的异常骨骼图像配置得到，最后使用所述配置后的人工智能线程，对所述待识别骨骼图像进行处理得到所述待识别骨骼图像的骨骼图像识别结果；由于该方法所使用的人工智能线程是通过范例骨骼图像以及所述范例骨骼图像对应的异常骨骼图像配置得到的，其涉及的配置数据中的异常骨骼图像是对范例骨骼图像进行处理得到的，大大降低了对样本数据量的要求，同时配置数据包括范例骨骼图像以及各范例骨骼图像对应的异常骨骼图像，而异常骨骼图像的识别结果是低于范例骨骼图像的识别结果的，这类异常骨骼图像不需要人工识别结果即可，降低了主观因素二元组人工智能线程配置结果的干扰，即本技术缓解了当前骨骼图像识别技术存在的需要大量带有识别结果的范例骨骼图像或者不能客观反映骨骼图像像素的技术问题，能够准确的识别出骨骼图像中的内容，能在一定程度上缓解医生的工作压力。