【技术实现步骤摘要】
一种基于知识蒸馏的骨密度预测方法和系统
[0001]本专利技术涉及计算机视觉领域,具体涉及一种基于知识蒸馏的骨密度预测方法和系统。
技术介绍
[0002]骨质疏松症一种骨骼系统性疾病,骨密度和骨质量下降,骨微结构破坏,造成骨脆性增加,从而更加容易发生骨折、增加肺部感染发生率等不好的影响。骨密度是诊断骨质疏松症的首选方法,通过骨密度的测量值便可以诊断骨质疏松症。X线平片是一种成本低、适用广的成像方式。从X线平片数据预测出骨密度值能够帮助患者进行早期的筛查,帮助患者更早期的筛查骨质疏松症,降低骨质疏松症筛查的成本,降低骨折的风险。
[0003]目前从X线平片预测骨密度值问题缺少现有的相关技术,同时无法充分利用医院已有的数据。
技术实现思路
[0004]本专利技术要克服现有技术的上述缺点,提供一种基于知识蒸馏的骨密度预测方法和系统。
[0005]为了解决上述技术问题,本专利技术提出一种基于知识蒸馏的骨密度预测方法,所述方法包括:
[0006]S110,通过计算机视觉技术分别提取X线平片、CT(电子计算机断层扫描)的图像特征,教师模型含有两种图像特征,学生模型只有X线平片图像特征;
[0007]S120,利用深度学习技术将教师模型中X线平片的2D图像特征和CT的3D图像特征映射到同一特征空间。
[0008]S130,将教师模型中同一特征空间上的X线平片的2D图像特征和CT的3D图像特征拼接融合后作为融合特征。
[0009]S140,利用融合特征和知识蒸馏的方法将 ...
【技术保护点】
【技术特征摘要】
1.一种基于知识蒸馏的骨密度预测方法,其特征在于,包括如下步骤:S110,通过计算机视觉技术分别提取X线平片、电子计算机断层扫描CT的图像特征,教师模型含有两种图像特征,学生模型只有X线平片图像特征;S120,利用深度学习技术将教师模型中X线平片的2D图像特征和CT的3D图像特征映射到同一特征空间;S130,将教师模型中同一特征空间上的X线平片的2D图像特征和CT的3D图像特征拼接融合后作为融合特征;S140,利用融合特征和知识蒸馏的方法将教师模型的融合特征与学生模型X线平片的2D图像特征之间做蒸馏并计算蒸馏loss;S150,通过在线蒸馏的方式,共同训练教师模型和学生模型的骨密度预测回归器。2.如权利要求1所述的基于知识蒸馏的骨密度预测方法,其特征在于,步骤S110包括:S1101,利用经过自然图像数据集上预训练的2D
‑
ResNet网络模型提取X线平片的图像特征图g
x
;S1102,利用经过医学图像数据集上预训练的3D
‑
ResNet网络模型提取CT数据的图像特征图g
ct
;S1103,对提取的图像特征图分别经过2D全局平均池化以及3D全局平均池化技术得到特征向量v
x
和v
ct
。3.如权利要求1所述的基于知识蒸馏的骨密度预测方法,其特征在于,步骤S120包括:S1201,通过设计多层感知机f
x
在教师模型中将特征向量v
x
映射到某一特征空间得到特征向量v
fx
,即v
fr
=f
x
(v
x
);S1202,通过设计多层感知机f
ct
在教师模型中将特征向量v
ct
映射到v
fx
特征空间得到特征向量v
fct
,即v
fct
=f
ct
(v
ct
)。4.如权利要求1所述的基于知识蒸馏的骨密度预测方法,其特征在于,步骤S130包括:S1301,将X线平片的特征向量v
fx
与CT的特征向量v
fct
进行拼接操作得到特征向量v
r
=[v
fx
,v
fct
];S1302,通过设计多层感知机f
r
将v
fx
和v
fct
简单拼接后的特征向量v
r
进一步融合得到特征向量v
fr
,即v
fr
=f
r
(v
r
)。5.如权利要求1所述的基于知识蒸馏的骨密度预测方法,其特征在于,步骤S140包括:S1401,通过设计多层感知机f
sx
将学生模型中X线平片的2D图像特征向量v
x
映射到融合特征向量v
fr
同一特征空间中,并且维度相同得到特征向量v
sx
,即v
sx
=f
sx
(v
x
);S1...
【专利技术属性】
技术研发人员:卜佳俊,戚忠达,于智,史可越,杨俊尧,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。