【技术实现步骤摘要】
本专利技术涉及医学数据处理，尤其涉及一种骨衰老程度预测模型的构建方法、系统、设备及介质。
技术介绍
1、骨骼衰老是影响人体健康的重要因素，尤其在骨质疏松、关节炎等老年性疾病的发展中起着决定性作用。对于骨骼衰老程度的判断，目前的评估方法主要包括利用功能性标志物、骨密度、影像学标志物和体液标志物等指标来进行。
2、功能性标志物评估法主要通过评估个体的日常生活活动能力来评估骨骼衰老程度。这种方法的优点是直观且易于操作，但缺点是可能受到个体身体状况和日常活动水平的影响，因此存在一定的主观性。
3、体液标志物评估法主要通过检测血液或尿液中的某些生物标志物来评估骨骼衰老程度。这种方法的优点是操作简单，结果客观，但缺点是受个体生理状况的影响大，因此存在一定的误差。
4、骨密度是目前最有效的骨折风险预测指标，可以协助诊断骨质疏松症，一般选用正位脊柱和双侧股骨近端进行骨质检测。双能x线吸收法(dxa)是目前最常用的骨密度测试方法，使用不同低剂量的x射线来测量骨骼中的钙矿物质含量。这种方法测试快速、无痛、辐射小，可以用来...
【技术保护点】
1.一种骨衰老程度预测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的骨衰老程度预测模型的构建方法，其特征在于，所述获取目标群体的CT图像，包括：
3.根据权利要求2所述的骨衰老程度预测模型的构建方法，其特征在于，所述根据灰度值，对每一张CT图像上的感兴趣区域进行区域细分，得到感兴趣区域内的多个细分区域，并得到多个细分区域中每一个细分区域在感兴趣区域的面积占比，包括：
4.根据权利要求3所述的骨衰老程度预测模型的构建方法，其特征在于，深度学习模型框架包括多个卷积神经网络和多个全连接网络，所述根据目标群体的CT图像以及每一...
【技术特征摘要】
1.一种骨衰老程度预测模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的骨衰老程度预测模型的构建方法，其特征在于，所述获取目标群体的ct图像，包括：
3.根据权利要求2所述的骨衰老程度预测模型的构建方法，其特征在于，所述根据灰度值，对每一张ct图像上的感兴趣区域进行区域细分，得到感兴趣区域内的多个细分区域，并得到多个细分区域中每一个细分区域在感兴趣区域的面积占比，包括：
4.根据权利要求3所述的骨衰老程度预测模型的构建方法，其特征在于，深度学习模型框架包括多个卷积神经网络和多个全连接网络，所述根据目标群体的ct图像以及每一张ct图像上每一个细分区域在感兴趣区域的面积占比，并结合目标群体的骨质疏松程度年龄和年龄标签，基于深度学习模型框架，训练得到骨衰老程度预测模型，包括：
5.根据权利要求1-4任一项所述的骨衰老程度预测模型的构建方法，其特征在于，所述根据目标群体的ct图像以及每一张...
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。