【技术实现步骤摘要】
一种基于CT图像检测骨质状况的方法及电子设备
[0001]本专利技术属于医疗
,具体地说,涉及一种基于CT图像检测骨质状况的方法及电子设备。
技术介绍
[0002]骨质疏松症(OP)是一种以低骨量和骨组织微结构破坏为特征的全身骨代谢性疾病,临床表现为骨骼疼痛和易于骨折。由于不同的骨质密度对X射线吸收存在差异,所以可以通过腰椎CT图像对骨质疏松进行量化诊断。有研究表明(如申请号为201910913768.0的专利技术专利),利用人工智能技术,能够对CT图像中的腰椎骨质状况进行自动检测。但是,受设备性能和成本等客观因素的影响,原始CT图像分辨率通常比较低,这对神经网络分类效果产生了较大的不利影响,进而限制了最终骨质状况检测的精度和准确率。
技术实现思路
[0003]针对现有技术中上述的不足,本专利技术提供了一种基于CT图像检测骨质状况的方法及电子设备,以提高神经网络对骨质状况检测的精度和准确率。
[0004]为了达到上述目的,本专利技术采用的解决方案是:一种基于CT图像检测骨质状况的方法,包括以下步骤:
[0005]A1、获取原始腰椎CT图像,获取训练好的超分辨率重建网络,所述超分辨率重建网络包括初步特征提取模块、多通道特征提取模块、MF融合模块和图像重建模块,所述MF融合模块包括多个子模块,所述子模块与所述多通道特征提取模块对应设置;
[0006]A2、将所述原始腰椎CT图像输入所述超分辨率重建网络,先利用所述初步特征提取模块对所述原始腰椎CT图像进行特征提取,得到初步特征 ...
【技术保护点】
【技术特征摘要】
1.一种基于CT图像检测骨质状况的方法,其特征是:包括以下步骤:A1、获取原始腰椎CT图像,获取训练好的超分辨率重建网络,所述超分辨率重建网络包括初步特征提取模块、多通道特征提取模块、MF融合模块和图像重建模块,所述MF融合模块包括多个子模块,所述子模块与所述多通道特征提取模块对应设置;A2、将所述原始腰椎CT图像输入所述超分辨率重建网络,先利用所述初步特征提取模块对所述原始腰椎CT图像进行特征提取,得到初步特征图;A3、所述初步特征图顺次经过多个所述多通道特征提取模块,提取各个所述多通道特征提取模块输出的特征图;A4、位于所述MF融合模块头部的子模块同时以所述初步特征图和靠近所述初步特征提取模块的多通道特征提取模块输出的特征图作为输入,下游的各个所述子模块依次将对应的多通道特征提取模块输出的特征图与上游子模块输出的特征图融合,最终输出得到中间特征图;A5、将所述中间特征图输入所述图像重建模块,利用所述图像重建模块对所述中间特征图进行超分辨率重建,获得分辨率大于所述原始腰椎CT图像的腰椎超分图像;A6、获取训练好的图像分类网络,将所述腰椎超分图像输入所述图像分类网络,利用所述图像分类网络对所述腰椎超分图像进行分类,以获取所述腰椎超分图像中对应腰椎的骨质状况信息。2.根据权利要求1所述的基于CT图像检测骨质状况的方法,其特征是:所述多通道特征提取模块的数学模型可表示为如下公式:F1=σ1(f
31
(M))F2=σ2(f
32
(M))F3=σ3(f
33
(M))F4=[F1,σ4(f
34
(F2)),σ5(f5(F3))]F5=σ6(f1(F4))F6=f
ca
(F1,F2,F3)N=f
ml
(F5,F6)+M其中,M为输入所述多通道特征提取模块的特征图,f
31
、f
32
、f
33
和f
34
均表示卷积核大小为3*3的卷积操作,f5表示卷积核大小为5*5的卷积操作,f1表示卷积核大小为1*1的卷积操作,σ1、σ2、σ3、σ4、σ5和σ6均表示非线性激活函数ReLU,[
·
]表示对其中的特征图进行拼接操作,f
ca
表示通道注意力模块,F1、F2和F3作为所述通道注意力模块的输入,F6表示所述通道注意力模块生成输出的通道注意力图,F
ml
(F5,F6)表示将通道注意力图F6与特征图F5做乘法操作,N为所述多通道特征提取模块输出的特征图。3.根据权利要求2所述的基于CT图像检测骨质状况的方法,其特征是:所述通道注意力模块的数学模型为:F
a1<...
【专利技术属性】
技术研发人员:赵雯,黄昶荃,张展,吴晓丹,
申请(专利权)人:西安市第三医院,
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。