本申请涉及一种使用锥形束DR设备测量三维骨密度分布的方法及装置，其中，方法包括：获取至少一个患者的真实髋部CT和DR影像；基于预先构建的神经网络结构，利用至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，神经网络结构由从二维图像生成的三维图像得到；利用欧洲脊柱体模，获取HU值到体骨密度值的转换公式，以输入患者的髋部DR影像至训练后的生成器网络，输出患者的三维影像数据，并基于转换公式得到患者的三维骨密度值。由此，解决了相关技术中，双能X射线骨密度仪测量速度慢、分辨率低，只能测量二维骨密度，无法得到精确的体骨密度值，诊疗效率较低等问题。效率较低等问题。效率较低等问题。
【技术实现步骤摘要】
使用锥形束DR设备测量三维骨密度分布的方法及装置
[0001]本申请涉及医学图像处理及应用
，特别涉及一种使用锥形束DR设备测量三维骨密度分布的方法及装置。
技术介绍
[0002]骨质疏松通常指由于多种原因导致的骨密度和骨质量下降，骨微结构破坏，造成骨脆性增加，从而容易发生骨折的全身性骨病。近年来，随着世界各国逐步进入老龄化社会，各种老年疾病的患者数量大幅增加，其中包括骨质疏松。统计资料显示，我国目前骨质疏松患者人数已经超过1亿，居世界首位。根据我国首次骨质疏松流行病学调查结果，我国50岁以上人群骨质疏松症患病率为19.2％，65岁以上人群达到32.0％，其中男性为10.7％，女性高达51.6％。在我国老龄化人口比例逐渐提升的大背景下，预防和治疗骨质疏松症具有重要的临床意义。
[0003]相关技术中，对骨质疏松进行临床诊断主要通过使用双能X射线骨密度仪(DEXA)测量骨密度来评估，通过处理不同能量的X射线穿透人体后产生的信号，可以消除软组织带来的影响，计算出单位面积上骨矿物质的含量作为骨密度。
[0004]然而，相关技术中，双能X射线骨密度仪测量速度慢、分辨率低，只能测量二维骨密度，无法得到精确的体骨密度值，诊疗效率较低，亟待改善。
技术实现思路
[0005]本申请提供一种使用锥形束DR设备测量三维骨密度分布的方法及装置，以解决相关技术中，双能X射线骨密度仪测量速度慢、分辨率低，只能测量二维骨密度，无法得到精确的体骨密度值，诊疗效率较低等问题。
[0006]本申请第一方面实施例提供一种使用锥形束DR设备测量三维骨密度分布的方法，包括以下步骤：获取至少一个患者的真实髋部CT和DR影像；基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到；利用欧洲脊柱体模，获取HU值到体骨密度值的转换公式，以输入患者的髋部DR影像至所述训练后的生成器网络，输出所述患者的三维影像数据，并基于所述转换公式得到所述患者的三维骨密度值。
[0007]可选地，在本申请的一个实施例中，所述获取至少一个患者的真实髋部CT和DR影像，包括：在拍摄所述至少一个患者的真实髋部CT以及DR影像时，确保不同患者的同种影像之间成像参数达到预设一致条件。
[0008]可选地，在本申请的一个实施例中，所述成像参数包括X射线管电压、X射线源到探测器的距离、X射线源到病人的距离、照射野大小、照射野所包含的解剖结构范围、X射线管电流与曝光时间。
[0009]可选地，在本申请的一个实施例中，所述基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其
中，所述神经网络结构由从二维图像生成的三维图像得到，包括：将所述神经网络结构作为网络的生成器，并由5组三维卷积块构成网络的判别器，对所述生成器生成的三维数据进行处理，得到是否为真实影像的概率。
[0010]可选地，在本申请的一个实施例中，所述基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到，还包括：在网络训练时，对所述生成器与所述判别器进行迭代训练，直至达到预设迭代停止条件，得到所述生成器网络。
[0011]本申请第二方面实施例提供一种使用锥形束DR设备测量三维骨密度分布的装置，包括：第一获取模块，用于获取至少一个患者的真实髋部CT和DR影像；训练模块，用于基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到；第二获取模块，用于利用欧洲脊柱体模，获取HU值到体骨密度值的转换公式，以输入患者的髋部DR影像至所述训练后的生成器网络，输出所述患者的三维影像数据，并基于所述转换公式得到所述患者的三维骨密度值。
[0012]可选地，在本申请的一个实施例中，所述第一获取模块包括：控制单元，用于在拍摄所述至少一个患者的真实髋部CT以及DR影像时，确保不同患者的同种影像之间成像参数达到预设一致条件。
[0013]可选地，在本申请的一个实施例中，所述成像参数包括X射线管电压、X射线源到探测器的距离、X射线源到病人的距离、照射野大小、照射野所包含的解剖结构范围、X射线管电流与曝光时间。
[0014]可选地，在本申请的一个实施例中，所述训练模块包括：处理单元，用于将所述神经网络结构作为网络的生成器，并由5组三维卷积块构成网络的判别器，对所述生成器生成的三维数据进行处理，得到是否为真实影像的概率。
[0015]可选地，在本申请的一个实施例中，所述训练模块还包括：训练单元，用于在网络训练时，对所述生成器与所述判别器进行迭代训练，直至达到预设迭代停止条件，得到所述生成器网络。
[0016]本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的使用锥形束DR设备测量三维骨密度分布的方法。
[0017]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的使用锥形束DR设备测量三维骨密度分布的方法。
[0018]本申请实施例可以使用传统的锥形束DR设备测量三维骨密度，拓展传统DR设备的适用范围的同时，便利了骨密度的测量，有利于快速获取骨骼内部的三维骨密度分布信息，同时使用人工智能方法进行三维骨骼结构快速生成与三维骨密度测量，提升了测量速度，更有助于开展骨质疏松的早期诊断。由此，解决了相关技术中，双能X射线骨密度仪测量速度慢、分辨率低，只能测量二维骨密度，无法得到精确的体骨密度值，诊疗效率较低等问题。
[0019]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0020]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1为根据本申请实施例提供的一种使用锥形束DR设备测量三维骨密度分布的方法的流程图；
[0022]图2为根据本申请一个实施例的使用锥形束DR设备测量三维骨密度分布的方法的流程图；
[0023]图3为根据本申请实施例提供的一种使用锥形束DR设备测量三维骨密度分布的装置的结构示意图；
[0024]图4为根据本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0025]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种使用锥形束DR设备测量三维骨密度分布的方法，其特征在于，包括以下步骤：获取至少一个患者的真实髋部CT和DR影像；基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到；利用欧洲脊柱体模，获取HU值到体骨密度值的转换公式，以输入患者的髋部DR影像至所述训练后的生成器网络，输出所述患者的三维影像数据，并基于所述转换公式得到所述患者的三维骨密度值。2.根据权利要求1所述的方法，其特征在于，所述获取至少一个患者的真实髋部CT和DR影像，包括：在拍摄所述至少一个患者的真实髋部CT以及DR影像时，确保不同患者的同种影像之间成像参数达到预设一致条件。3.根据权利要求2所述的方法，其特征在于，所述成像参数包括X射线管电压、X射线源到探测器的距离、X射线源到病人的距离、照射野大小、照射野所包含的解剖结构范围、X射线管电流与曝光时间。4.根据权利要求1所述的方法，其特征在于，所述基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到，包括：将所述神经网络结构作为网络的生成器，并由5组三维卷积块构成网络的判别器，对所述生成器生成的三维数据进行处理，得到是否为真实影像的概率。5.根据权利要求4所述的方法，其特征在于，所述基于预先构建的神经网络结构，利用所述至少一个患者的真实髋部CT和DR影像对神经网络进行训练，得到训练后的生成器网络，其中，所述神经网络结构由从二维图像生成的三维图像得到，还包括：在网络训练时，对所述生成器与所述判别器进行迭代训练，直至达到预设迭代停止条件，得到所述生成器网络。6.一种使用锥形束DR设备测量三维骨密度分布的装置，其特征在于，包括：第一获取模块，用于获取至少...
【专利技术属性】
技术研发人员：李君利，邱睿，魏朔阳，胡安康，武祯，张辉，王佳豪，
申请(专利权)人：清华大学，
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。