【技术实现步骤摘要】
本专利技术涉及骨密度图像检测，具体是一种骨密度检测图像处理方法及系统。
技术介绍
1、当前骨密度检测中使用的双能x射线骨密度仪,需要对检测得到的图像进行处理识别,以测量骨密度相关参数。但是现有图像处理主要依赖手工或简单的自动分割方法来切割感兴趣区域（骨组织区域）,这些方法容易受主观影响,分割效果较差,无法有效提取骨组织区域,导致检测结果存在较大误差。
2、目前尚缺乏一种自动化的准确从骨组织图像中切割出骨组织区域的技术方案，也缺乏一种配套的能够自动化判断骨组织图像的质量，并对骨组织图像进行优化，从而更进一步的提高自动切割准确性的方法；
3、公开号为cn116491969a的中国专利提供了一种人体骨密度值的高精度检测方法及系统，涉及骨密度检测
，该方法包括：通过医学影像采集设备对目标用户进行影像采集，获得用户影像信息，其中，所述用户影像信息包括用户医学影像、采集设备参数、用户基础信息；构建骨密度数据库；构建骨密度特征映射库；进行图像预处理；对预处理图像进行识别分割，确定多影像区域，利用所述多影像区域与所述骨密度特征映射库进行匹配分析，获得骨密度分析结果；根据所述用户基础信息、所述骨密度分析结果输入用户评估模型，获得用户骨密度判定信息。但该方法也未能解决自动化分割感兴趣区域的问题；
4、为此，本专利技术提出一种骨密度检测图像处理方法及系统。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种骨密度检测图
2、为实现上述目的，提出一种骨密度检测图像处理方法，包括以下步骤：
3、步骤一：收集标记有骨组织区域标签的样本图像集合；
4、步骤二：使用样本图像集合训练骨组织分割模型；
5、步骤三：获取待分割骨组织图像，并收集待分割骨组织图像的骨图像质量参数，基于骨图像质量参数计算骨图像质量系数；
6、步骤四：基于骨图像质量系数获得图像质量等级；若图像质量等级为低级，发起图像重置指令；若图像质量等级为中级，转至步骤五；若图像质量等级为高级，转至步骤六；
7、步骤五：对待分割骨组织图像进行质量优化，并重新计算质量优化后的待分割骨组织图像的骨图像质量系数；转至步骤四；
8、步骤六：对待分割骨组织图像使用骨组织分割模型，分割出骨组织区域图像；
9、所述收集标记有骨组织区域标签的样本图像集合，包括：
10、收集a张由x射线或其他成像技术获取的骨密度样本图像，a为选择的骨密度样本图像的数量；
11、对收集到的每张骨密度样本图像，人工对其中的骨组织区域用边界框线进行标注；
12、将进行人工标注的骨密度样本图像划分为训练集、验证集和测试集；
13、所述训练集、验证集和测试集组成样本图像集合；
14、所述使用样本图像集合训练骨组织分割模型的方式为：
15、构建骨组织分割模型；
16、使用样本图像集合中的训练集对骨组织分割模型进行训练，并在每个训练周期中，将训练集中的骨密度样本图像输入骨组织分割模型，计算损失函数，并根据损失函数使用梯度下降算法更新骨组织分割模型的参数；
17、在训练过程中，骨组织分割模型监控在验证集上的损失函数值的变化情况；当验证集上的损失函数值达到收敛时，停止训练；
18、使用测试集对训练完成的骨组织分割模型进行评估；将测试集中的骨密度样本图像输入模型，计算骨组织分割模型在测试集上的预测结果，并与真实的骨组织区域标签进行比较，评估模型的性能表现；
19、所述构建骨组织分割模型包括：
20、输入层：接收骨密度样本图像作为输入；
21、卷积层和池化层：在输入层之后堆叠k1组卷积层和池化层，用于提取骨密度样本图像特征；
22、flatten层：在卷积层和池化层之后堆叠一层flatten层，将卷积层的输出展平为一维向量；
23、全连接层：在flatten层后添加k2个全连接层，以学习图像特征与感兴趣区域的关系；k1和k2为根据实际模型训练经验设置的参数；
24、输出层：在全连接层后堆叠一层输出层，所述输出层输出骨密度样本图像中每个像素点的预测区域样本标签；所述预测区域样本标签为0或1中的一个，当像素点被骨组织分割模型认为属于骨组织时，该像素点的预测区域样本标签为1，当像素点被骨组织分割模型认为不属于骨组织时，该像素点的预测区域样本标签为0；
25、所述骨组织分割模型的损失函数为：
26、<mi>-</mi><mfrac><mn>1</mn><mi>n</mi></mfrac><mi>×</mi><mstyle><msubsup><mo>∑</mo><mi>i=1</mi><mi>n</mi></msubsup><mstyle><msubsup><mo>∑</mo><mi>j=1</mi><mi>m</mi></msubsup><mrow><mi>[yij</mi><mi>×l</mi><mi>n</mi><mi>(pij)+(1-yij)×ln(1-pij)</mi><mi>]</mi></mrow></mstyle></mstyle>;
27、其中，n为输入至骨组织分割模型中的骨密度样本图像的数量，m 为每张骨密度样本图像的像素点数量；
28、i为骨密度样本图像的编号，j为像素点的编号；
29、yij为第i张骨密度样本图像中第j个像素点的真实标签；所述真实标签为0或1中的一个，当像素点在边界框线框出的范围内时，真实标签为1；当像素点在边界框线框出的范围外时，真实标签为0；
30、pij为骨组织分割模型输出的第i张骨密度样本图像中第j个像素点的预测区域样本标签；
31、所述收集待分割骨组织图像的骨图像质量参数，包括：
32、提取待分割骨组织图像的清晰度评分、对比度评分、噪声评分以及结构信息评分，并将清晰度评分、对比度评分、噪声评分以及结构信息评分组成骨图像质量参数；
33、所述基于骨图像质量参数计算骨图像质量系数的方式为：
34、将骨图像质量参数中的清本文档来自技高网...
【技术保护点】
1.一种骨密度检测图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种骨密度检测图像处理方法，其特征在于，所述收集标记有骨组织区域标签的样本图像集合，包括：
3.根据权利要求2所述的一种骨密度检测图像处理方法，其特征在于，所述使用样本图像集合训练骨组织分割模型的方式为：
4.根据权利要求3所述的一种骨密度检测图像处理方法，其特征在于，所述构建骨组织分割模型包括：
5.根据权利要求4所述的一种骨密度检测图像处理方法，其特征在于，所述收集待分割骨组织图像的骨图像质量参数，包括：
6.根据权利要求5所述的一种骨密度检测图像处理方法，其特征在于，所述基于骨图像质量参数计算骨图像质量系数的方式为：
7.根据权利要求6所述的一种骨密度检测图像处理方法，其特征在于，所述基于骨图像质量系数获得图像质量等级的方式为：
8.根据权利要求7所述的一种骨密度检测图像处理方法，其特征在于，所述对待分割骨组织图像进行质量优化的方式为：
9.根据权利要求8所述的一种骨密度检测图像处理方法，其特征在
10.一种骨密度检测图像处理系统，其用于实现权利要求1-9中任意一项所述的骨密度检测图像处理方法，其特征在于，包括训练数据收集模块、模型训练模块、图像质量等级计算模块、质量优化模块以及骨组织分割模块；其中，各个模块之间通过电性方式连接；
11.一种电子设备，其特征在于，包括：处理器和存储器，其中，
12.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
...【技术特征摘要】
1.一种骨密度检测图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种骨密度检测图像处理方法，其特征在于，所述收集标记有骨组织区域标签的样本图像集合，包括：
3.根据权利要求2所述的一种骨密度检测图像处理方法，其特征在于，所述使用样本图像集合训练骨组织分割模型的方式为：
4.根据权利要求3所述的一种骨密度检测图像处理方法，其特征在于，所述构建骨组织分割模型包括：
5.根据权利要求4所述的一种骨密度检测图像处理方法，其特征在于，所述收集待分割骨组织图像的骨图像质量参数，包括：
6.根据权利要求5所述的一种骨密度检测图像处理方法，其特征在于，所述基于骨图像质量参数计算骨图像质量系数的方式为：
7.根据权利要求6所述的一种骨密度检...
【专利技术属性】
技术研发人员：俞政君，王子梅，
申请(专利权)人：南京科进实业有限公司，
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。