【技术实现步骤摘要】
本申请涉及智能医疗领域，具体涉及一种基于椎体分割的脂肪自动定量方法、系统、设备及可读存储介质。
技术介绍
1、脂肪含量及分布改变与多种疾病的发生发展相关，既往研究已证实腹盆部内脏脂肪是多种心血管和代谢疾病的危险因素、心包脂肪增多与冠状动脉疾病的存在和严重程度有关、骨髓脂肪分数有助于骨髓疾病诊断等。
2、临床上无创评估脂肪含量主要采用ct和mri，其中磁共振dixon技术利用水和脂肪的化学位移差异获得同相位、反相位及水脂分离图像，相较于ct具有无电离辐射的优势。从磁共振dixon图像中测量皮下脂肪、腹盆部内脏脂肪等各部分脂肪含量的传统方法是由医生手工标注各层面的脂肪区域，将各层脂肪面积乘以层厚并逐层相加得到脂肪体积。这一过程费时费力，难以应用于临床，因而实际工作中往往测量特定椎体层面的脂肪面积，例如常用l3水平内脏脂肪面积反映腹盆部内脏脂肪含量。
3、近年来深度学习在医学图像分割领域得到了广泛的应用，已有一些方法在磁共振dixon图像脂肪分割和定量问题上进行了尝试，但现有方法存在一些缺陷：(1)现有方法主要关注腹部的皮下脂肪、内脏脂肪分割，不能同时进行纵隔脂肪、锁骨上脂肪、骨髓的分割和测量；(2)现有方法不能定位该层面的解剖位置，不能提供临床常用的特定椎体层面脂肪面积的信息；(3)由于脂肪区域标注过程常常依赖于根据图像灰度设定的阈值，直接预测图像中脂肪区域的深度学习模型在迁移到来自不同设备或扫描参数的域外数据时可能出现偏差。
技术实现思路
1、针对上述问题，本
2、获取受试者的医学影像；
3、对所述医学影像的椎体进行分割得到椎体；
4、基于所述椎体的结构定位得到身体节段；
5、计算所述身体节段对应层面的脂肪面积和/或体积。
6、进一步，所述定位是采用连通域标记算法自上而下进行身体节段定位；
7、优选地，所述身体节段对应层面的脂肪分为胸部脂肪、腹部脂肪；
8、优选地，所述胸部脂肪为第1胸椎上缘至第10胸椎上缘部分的脂肪；
9、优选地，腹部脂肪为第10胸椎上缘至骨盆上缘部分的脂肪；
10、优选地，所述方法还包括对所述医学影像进行分割得到骨盆和/或股骨，基于所述骨盆和/或股骨定位得到的身体节段，计算所述身体节段对应层面的脂肪，所述对应层面的脂肪为盆部脂肪和/或大腿脂肪；
11、优选地，盆部脂肪为骨盆上缘至骨盆下缘部分的脂肪；
12、优选地，所述大腿脂肪为骨盆下缘至股骨下缘部分的脂肪。
13、所述分割还包括对所述医学影像其他脂肪区域进行分割，所述其他脂肪区域包括下列区域中的一种或几种：皮下脂肪区域、颈部-锁骨上-腋窝脂肪区域、纵隔区域、腹盆部内脏区域。
14、进一步，所述分割过程还包括细分割，去除所述其他脂肪区域图像灰度值小于预设阈值的部分得到脂肪图像；
15、优选地，对所述其他脂肪区域中的皮下脂肪区域、颈部-锁骨上-腋窝脂肪区域、纵隔区域、腹盆部内脏区域进行细分割得到皮下脂肪、颈部-锁骨上-腋窝脂肪、纵隔脂肪、腹盆部内脏脂肪；
16、优选地，所述预设阈值采用灰度直方图自适应确定或自设定。
17、所述脂肪面积是将脂肪轴位图像中每个像素的真实面积乘上像素个数计算得到的；
18、优选地，所述脂肪面积包括下列的一种或几种：皮下脂肪面积、颈部-锁骨上-腋窝脂肪面积、纵隔脂肪面积、腹盆部内脏脂肪面积、骨髓脂肪面积、大腿脂肪面积；
19、优选地，所述面积的计算还包括计算椎体中心层面脂肪面积，通过先计算椎体中心层面序数i；再对序数i层面的轴位图像中每个像素的真实面积乘上像素个数计算得到；
20、优选地，所述椎体中心层面序数的计算公式为：
21、
22、其中，在垂直轴上的最大层面序数为imax，最小层面序数为imin，round(·)表示取整数。
23、所述体积是将各层脂肪面积乘以层厚并逐层相加计算得到的；
24、优选地，所述体积计算公式为：
25、
26、其中，在垂直轴上的最大层面序数为imax，最小层面序数为imin，sati
27、为脂肪面积，h为层厚度；
28、优选地，所述体积包括下列的一种或几种：皮下脂肪体积、颈部-锁骨上-腋窝脂肪体积、纵隔脂肪体积、腹盆部内脏脂肪体积、骨髓脂肪体积、大腿脂肪体积；
29、优选地，所述体积还包括大腿肌间脂肪体积，所述大腿肌间脂肪体积是通过大腿脂肪体积减去大腿皮下脂肪体积减去骨髓脂肪体积计算得到。
30、所述计算还包括脂肪分数，所述脂肪分数通过脂肪相图像的信号强度除去同相位图像的信号强度得到；
31、优选地，所述脂肪分数涉及的部位包括：椎体、骨盆、肱骨、股骨。
32、所述方法还包括对胸部脂肪面积、腹部脂肪面积进行求平均得到上半身脂肪平均面积；对胸部脂肪体积、腹部脂肪体积求和得到上半身脂肪体积；
33、可选地，所述方法还包括对纵隔脂肪面积、腹盆部内脏脂肪面积进行求平均得到上半身内部脂肪平均面积；对纵膈脂肪体积、腹盆部内脏脂肪体积进行求和得到上半身内部脂肪体积；
34、可选地，所述方法还包括对胸部脂肪面积、腹部脂肪面积、盆部脂肪面积进行求平均得到躯干脂肪平均面积；对胸部脂肪体积、腹部脂肪体积、盆部脂肪体积进行求和得到躯干脂肪体积；
35、可选地，所述方法还包括对胸部脂肪面积、腹部脂肪面积、盆部脂肪面积、大腿脂肪面积进行求平均得到躯干及下肢脂肪平均面积；对胸部脂肪体积、腹部脂肪体积、盆部脂肪体积、大腿脂肪体积进行求和得到躯干及下肢脂肪体积；
36、可选地，所述方法还包括对胸部脂肪面积、腹部脂肪面积、盆部脂肪面积、大腿脂肪面积、颈部-锁骨上-腋窝脂肪面积进行求平均得到全身脂肪平均面积；对胸部脂肪体积、腹部脂肪体积、盆部脂肪体积、大腿脂肪体积、颈部-锁骨上-腋窝脂肪体积进行求和得到全身脂肪体积。
37、本专利技术的目的在于提供一种基于椎体分割的脂肪自动定量系统，包括：
38、获取模块：获取受试者的医学影像；
39、分割模块：对所述医学影像的椎体进行分割得到椎体；
40、定位模块：基于所述椎体的结构定位得到身体节段；
41、计算模块：计算所述身体节段对应层面的脂肪面积和/或体积。
42、本专利技术的目的在于提供一种基于椎体分割的脂肪自动定量设备，包括：
43、存储器和处理器，所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时实现任意一项所述的基于椎体分割的脂肪自动定量方法。
44、本专利技术的目的在于提供一种计算机可读存储介质，其上存储有计算机程序，包括：
45、所述计算机程序被处理器执行时实现任意一项本文档来自技高网...
【技术保护点】
1.一种基于椎体分割的脂肪自动定量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述定位是采用连通域标记算法自上而下进行身体节段定位；
3.根据权利要求1所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述分割还包括对所述医学影像其他脂肪区域进行分割，所述其他脂肪区域包括下列区域中的一种或几种：皮下脂肪区域、颈部-锁骨上-腋窝脂肪区域、纵隔区域、腹盆部内脏区域。
4.根据权利要求1-3任意一项所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述脂肪面积是将脂肪轴位图像中每个像素的真实面积乘上像素个数计算得到的；
5.根据权利要求1或4所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述体积是将各层脂肪面积乘以层厚并逐层相加计算得到的；
6.根据权利要求1或2所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述计算还包括脂肪分数的计算，所述脂肪分数通过脂肪相图像的信号强度除去同相位图像的信号强度得到；
7.根据权利要求1-5任意一项所述的基于椎体分
8.一种基于椎体分割的脂肪自动定量系统，其特征在于，包括：
9.一种基于椎体分割的脂肪自动定量设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，包括：
...【技术特征摘要】
1.一种基于椎体分割的脂肪自动定量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述定位是采用连通域标记算法自上而下进行身体节段定位；
3.根据权利要求1所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述分割还包括对所述医学影像其他脂肪区域进行分割，所述其他脂肪区域包括下列区域中的一种或几种：皮下脂肪区域、颈部-锁骨上-腋窝脂肪区域、纵隔区域、腹盆部内脏区域。
4.根据权利要求1-3任意一项所述的基于椎体分割的脂肪自动定量方法，其特征在于，所述脂肪面积是将脂肪轴位图像中每个像素的真实面积乘上像素个数计算得到的；
5.根据权利要求1或4所述的基于椎体分割的脂肪自动定量方法，其特征...
【专利技术属性】
技术研发人员：胡歌，黄盛骞，薛华丹，王勤，金征宇，
申请(专利权)人：中国医学科学院北京协和医院，
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。