一种骨密度测量方法、系统、存储介质及电子设备技术方案

本发明专利技术涉及骨密度测量领域，尤其涉及一种骨密度测量方法、系统、存储介质及电子设备。本方法包括：步骤1，通过优化后的目标检测算法对CT胸部平扫序列影像进行脊椎区域的检测，得到脊椎区域图像；步骤2，将所述脊椎区域图像输入至脊椎分割模型中进行分割，得到分割结果；步骤3，对所述分割结果进行处理，得到松质骨区域；步骤4，基于所述松质骨区域训练回归骨密度检测模型，将待测量影像输入至所述回归骨密度检测模型，得到骨密度值。本发明专利技术能够达到效率更快准确度更高的效果。更快准确度更高的效果。更快准确度更高的效果。

【技术实现步骤摘要】
一种骨密度测量方法、系统、存储介质及电子设备


[0001]本专利技术涉及骨密度测量领域，尤其涉及一种骨密度测量方法、系统、存储介质及电子设备。

技术介绍

[0002]骨密度是反映骨质量的一个重要标志。骨质疏松程度预测骨折危险性的重要依据，骨密度检查，可以帮助检测是否缺钙，从而通过调整饮食，及时帮童补钙，保证骨骼发育正常。通过对骨密度测评，确定生长发育过程中成骨原料的吸收及摄取情况，可以分析可能影响其生长发育的内外因素，以便及时制定有针对性营养运动锻炼计划。现有技术中对于骨密度的测量方案过于复杂，且实际操作过程效率较低，对于测量的准确度相对较低。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种骨密度测量方法、系统、存储介质及电子设备。
[0004]本专利技术解决上述技术问题的技术方案如下：一种骨密度测量方法，包括：
[0005]步骤1，通过优化后的目标检测算法对CT胸部平扫序列影像进行脊椎区域的检测，得到脊椎区域图像；
[0006]步骤2，将所述脊椎区域图像输入至脊椎分割模型中进行分割，得到分割结果；
[0007]步骤3，对所述分割结果进行处理，得到松质骨区域；
[0008]步骤4，基于所述松质骨区域训练回归骨密度检测模型，将待测量影像输入至所述回归骨密度检测模型，得到骨密度值。
[0009]本专利技术的有益效果是：通过对目标检测算法的优化可以提升对于脊椎区域的检测准确度，通过获取松质骨区域可以提高对于回归骨密度检测模型的精确度，此外，通过对于回归骨密度检测模型的构建可以有效提高对于骨密度的计算效率，相较于现有技术中的骨密度计算方法有着效率更快准确度更高的效果。
[0010]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0011]进一步，所述优化后的目标检测算法的获取过程，包括：
[0012]将目标检测算法中的固定参考框的尺寸设定成预设尺寸，并剔除掉所述目标检测算法中的多尺度特征层的输出，并将所述目标检测算法中的特征提取层替换为残差网络结构，得到所述优化后的目标检测算法。
[0013]进一步，所述步骤2之前还包括：
[0014]对所述脊椎区域图像进行预定规则的裁剪，将裁剪后的脊椎区域图像进行增强处理，得到增强后的脊椎区域图像，将所述增强后的脊椎区域图像作为步骤2中的所述脊椎区域图像进行处理。
[0015]采用上述进一步方案的有益效果是，通过对于脊椎区域图像的预处理可以降低无用信息的影响和提高分割速度与准确性。
[0016]进一步，所述分割结果包括：
[0017]胸椎、第一腰椎以及第二腰椎。
[0018]进一步，所述步骤3具体为：
[0019]步骤301，分别计算所述分割结果中的每个部位的倾斜角度；
[0020]步骤302，基于每个部位的倾斜角度对与其对应的部位进行椎体旋转，将椎体旋转后的图像进行剪裁，得到第一图像；
[0021]步骤303，对所述第一图像进行去除皮质骨干扰的处理，得到第二图像；
[0022]步骤304，计算所述第二图像的椎体中心坐标，基于所述椎体中心坐标提取松质骨区域。
[0023]进一步，所述松质骨区域训练回归骨密度检测模型具体包括：
[0024]将所述松质骨区域作为输入数据，将所述松质骨区域的骨密度值作为标签，通过Densenet121网络结构对回归骨密度检测模型进行训练。
[0025]本专利技术解决上述技术问题的另一种技术方案如下：一种骨密度测量系统，包括：
[0026]检测模块，用于通过优化后的目标检测算法对CT胸部平扫序列影像进行脊椎区域的检测，得到脊椎区域图像；
[0027]分割模块，用于将所述脊椎区域图像输入至脊椎分割模型中进行分割，得到分割结果；
[0028]处理模块，用于对所述分割结果进行处理，得到松质骨区域；
[0029]测量模块，用于基于所述松质骨区域训练回归骨密度检测模型，将待测量影像输入至所述回归骨密度检测模型，得到骨密度值。
[0030]本专利技术的有益效果是：通过对目标检测算法的优化可以提升对于脊椎区域的检测准确度，通过获取松质骨区域可以提高对于回归骨密度检测模型的精确度，此外，通过对于回归骨密度检测模型的构建可以有效提高对于骨密度的计算效率，相较于现有技术中的骨密度计算方法有着效率更快准确度更高的效果。
[0031]进一步，所述优化后的目标检测算法的获取过程，包括：
[0032]将目标检测算法中的固定参考框的尺寸设定成预设尺寸，并剔除掉所述目标检测算法中的多尺度特征层的输出，并将所述目标检测算法中的特征提取层替换为残差网络结构，得到所述优化后的目标检测算法。
[0033]进一步，还包括：
[0034]优化模块，用于对所述脊椎区域图像进行预定规则的裁剪，将裁剪后的脊椎区域图像进行增强处理，得到增强后的脊椎区域图像，将所述增强后的脊椎区域图像作为分割模块中的所述脊椎区域图像进行处理。
[0035]采用上述进一步方案的有益效果是，通过对于脊椎区域图像的预处理可以降低无用信息的影响和提高分割速度与准确性。
[0036]进一步，所述分割结果包括：
[0037]胸椎、第一腰椎以及第二腰椎。
[0038]进一步，处理模块具体用于：
[0039]分别计算所述分割结果中的每个部位的倾斜角度；基于每个部位的倾斜角度对与其对应的部位进行椎体旋转，将椎体旋转后的图像进行剪裁，得到第一图像；对所述第一图
像进行去除皮质骨干扰的处理，得到第二图像；计算所述第二图像的椎体中心坐标，基于所述椎体中心坐标提取松质骨区域。
[0040]进一步，所述基于所述松质骨区域训练回归骨密度检测模型具体包括：
[0041]将所述松质骨区域作为输入数据，将所述松质骨区域的骨密度值作为标签，通过Densenet121网络结构对回归骨密度检测模型进行训练。
[0042]本专利技术解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的一种骨密度测量方法。
[0043]本专利技术的有益效果是：通过对目标检测算法的优化可以提升对于脊椎区域的检测准确度，通过获取松质骨区域可以提高对于回归骨密度检测模型的精确度，此外，通过对于回归骨密度检测模型的构建可以有效提高对于骨密度的计算效率，相较于现有技术中的骨密度计算方法有着效率更快准确度更高的效果。
[0044]本专利技术解决上述技术问题的另一种技术方案如下：一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种骨密度测量方法。
[0045]本专利技术的有益效果是：通过对目标检测算法的优化可以提升对于脊椎区域的检测准确度，通过获取松质骨区域可以提高对于回归骨密度检测模型的精确度，此外，通过对于回归骨密度检测模型的构建可以有效提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨密度测量方法，其特征在于，包括：步骤1，通过优化后的目标检测算法对CT胸部平扫序列影像进行脊椎区域的检测，得到脊椎区域图像；步骤2，将所述脊椎区域图像输入至脊椎分割模型中进行分割，得到分割结果；步骤3，对所述分割结果进行处理，得到松质骨区域；步骤4，基于所述松质骨区域训练回归骨密度检测模型，将待测量影像输入至所述回归骨密度检测模型，得到骨密度值。2.根据权利要求1所述的一种骨密度测量方法，其特征在于，所述优化后的目标检测算法的获取过程，包括：将目标检测算法中的固定参考框的尺寸设定成预设尺寸，并剔除掉所述目标检测算法中的多尺度特征层的输出，并将所述目标检测算法中的特征提取层替换为残差网络结构，得到所述优化后的目标检测算法。3.根据权利要求1所述的一种骨密度测量方法，其特征在于，所述步骤2之前还包括：对所述脊椎区域图像进行预定规则的裁剪，将裁剪后的脊椎区域图像进行增强处理，得到增强后的脊椎区域图像，将所述增强后的脊椎区域图像作为步骤2中的所述脊椎区域图像进行处理。4.根据权利要求1所述的一种骨密度测量方法，其特征在于，所述分割结果包括：胸椎、第一腰椎以及第二腰椎。5.根据权利要求1所述的一种骨密度测量方法，其特征在于，所述步骤3具体为：步骤301，分别计算所述分割结果中的每个部位的倾斜角度；步骤302，基于每个部位的倾斜角度对与其对应的部位进行椎体旋转，将椎体旋转后的图像进行剪裁，得到第一图像；步骤303，对所述第一图像进行去除皮质骨干扰的处...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，刘贞强，
申请(专利权)人：慧影医疗科技北京股份有限公司，
类型：发明
国别省市：