【技术实现步骤摘要】
【】本专利技术涉及一种脊柱侧弯的cobb角自动评估方法，属于医学图像处理领域。
技术介绍
0、
技术介绍
1、脊柱侧弯(scoliosis)是一种复杂的三维脊柱畸形，最常见于青少年，准确评估脊柱曲率对治疗脊柱侧弯至关重要。目前主要采用科布氏角(cobb角)测量作为临床评估标准。脊柱侧弯在标准全长的正位相x光片上呈现“s”或“c”形弯曲，通过x光片，医生人工测量cobb角以定量评估患者病情严重程度并由此制定治疗方案，但此方法依赖个人经验，耗时且准确率受限。随着深度学习技术的发展，医学图像处理成果显著。研究人员开始聚焦于深度卷积神经网络以实现端到端的自动cobb角评估，旨在提高测量精度并减少人工误差。因此，如何基于深度学习技术实现术前脊柱x光片中cobb的准确评估是提升脊柱侧弯治疗水平的重要手段。
技术实现思路
0、
技术实现思路
1、针对上述技术问题，本专利技术提供一种脊柱侧弯的cobb角自动评估方法，该方法能够在脊柱侧弯患者术前的脊柱x光片的基础上，实现主胸(mt)、近胸(pt)和胸腰椎/腰椎(tl/l)这三个cobb角的自动评估，对于解决传统cobb角度测量依赖于医生经验并且操作耗时的问题，提高脊柱侧弯诊断效率具有重要意义。
2、本专利技术实例提供了一种脊柱侧弯的cobb角自动评估方法，包括：
3、根据公开的脊柱侧弯x光片数据集，经由数据预处理，获得脊骨边界线的粗糙标注；
4、根据构建的标注脊骨边界线的脊柱侧弯x光片
5、根据训练推理所得的脊骨边界线，设计数据增强策略，扩增训练数据集，获得数据增强后的脊骨边界线数据集；
6、根据数据增强后的脊骨边界线数据集，构建融合senet模块的densenet回归模型，经由网络训练，实现脊柱侧弯cobb角的自动评估；
7、根据脊柱x光片医生标注的cobb角金标准和网络预测的cobb角，经由对称平均绝对百分比误差(smape)以及曼哈顿距离(l1距离)这两个评价指标评估，验证cobb角评估方法的有效性；
8、所述的脊柱侧弯的cobb角自动评估方法，优选地，根据公开的脊柱侧弯x光片数据集，经由数据预处理，获得脊骨边界线的粗糙标注，具体过程如下：
9、根据2019miccaiaasce比赛公开数据集，获取患者脊柱x光片、专家标注的每个脊骨的四个角点以及对应的cobb角。将数据集进行脊骨边界线连接、数据增强以及数据划分等数据预处理步骤，重新构建标注脊骨边界线的脊柱侧弯x光片数据集。
10、所述的脊柱侧弯的cobb角自动评估方法，优选地，根据重新构建的标注脊骨边界线的脊柱侧弯x光片数据集，构建基于扩散概率模型的医学图像分割网络，经由网络训练，实现脊柱x光片中脊骨边界线的分割，具体过程如下：
11、根据重新构建的标注脊骨边界线的脊柱侧弯x光片数据集，构建基于扩散概率模型的医学图像分割网络，该生成模型包含正向扩散与反向扩散两个阶段。在正向扩散阶段，分割标签x0通过正向扩散引入高斯噪声，可表示为：
12、pα(xt)＝n(xt；0,in×n)
13、其中，xt是初始分割标签x0经由时间步t添加高斯噪声后的分割标签，in×n是原始图像。
14、在反向去噪阶段，训练神经网络实现噪声去除，由此生成脊骨边界线的分割结果，可表示为：
15、
16、其中，α是反向过程中构建神经网络的相关参数，即网络训练中迭代学习的权重和偏置项，t是时间步，t是正向扩散过程中噪声逐渐添加的时间步总数。
17、通过正向扩散以及反向去噪等步骤，经由网络训练迭代优化，获得训练后的能分割出脊柱x光片脊骨边界线的网络模型参数，可以泛化地分割出脊柱侧弯患者拍摄脊柱x光片中脊骨的边界线。
18、所述的脊柱侧弯的cobb角自动评估方法，优选地，根据训练推理所得的脊骨边界线，设计数据增强策略，扩增训练数据集，获得数据增强后的脊骨边界线数据集，具体过程如下：
19、根据脊柱x光片数据集分割出的脊骨边界线图像数据，应用随机放缩、随机旋转这两个数据增强策略针对脊骨边界线图像数据进行扩增，由此获得数据增强后的脊骨边界线数据集。
20、随机放缩涉及将图像按比例缩放，以图像上的点(x,y)为例，放缩后的点(x',y')可表示为：
21、x′＝s·x
22、y′＝s·y
23、其中，s是放缩比例因子。
24、随机旋转涉及到将图像绕图像中心点旋转一个角度θ，以图像上的点(x,y)为例，假设图像中心点为(xc,yc)，则旋转后的点(x',y')可表示为：
25、
26、所述的脊柱侧弯的cobb角自动评估方法，优选地，根据数据增强后的脊骨边界线数据集，构建融合senet模块的densenet回归模型，经由网络训练，实现脊柱侧弯cobb角的自动评估，具体过程如下：
27、根据数据增强后的脊骨边界线数据集，构建融合senet模块的densenet回归模型，经由训练拟合参数，得训练后能根据脊骨边界线直接回归得到cobb角的网络模型参数，实现脊柱侧弯cobb角的自动评估，由此根据脊柱侧弯x光片的脊骨边界线图像预测推理出主胸(mt)、近胸(pt)和胸腰椎/腰椎(tl/l)这三个cobb角。
28、所述的脊柱侧弯的cobb角自动评估方法，优选地，根据脊柱x光片医生标注的cobb角金标准和网络预测的cobb角,经由对称平均绝对百分比误差(smape)以及曼哈顿距离(l1距离)这两个评价指标评估，验证cobb角评估方法的有效性，具体过程如下：
29、根据测试集经由回归网络预测所得cobb角，与对应的医生标注的cobb角金标准进行对比，利用对称平均绝对百分比误差(smape)以及l1距离(也称为曼哈顿距离)这两个指标针对预测结果以及标注cobb之间的差距进行评估，由此验证cobb角自动评估方法整体的有效性。
30、其中smape的计算方法如下所示：
31、
32、其中，a是专家标注的cobb角度，b是回归预测所得的cobb角度，n是测试集数据量。
33、其中l1距离的计算方法如下所示：
34、
35、其中，是回归预测所得cobb角度，yi是专家标注的cobb角度，n是测试集数量。
36、本专利技术由于采取以上技术方案，其具有以下优点：
37、本专利技术的cobb自动评估方法能够在脊柱侧弯患者的术前x光片图像的基础上，通过构建端到端的深度学习神经网络模型，实现对主胸(mt)、近胸(pt)和胸腰椎/腰椎(tl/l)这三个cobb角的自动评估，可以有效提升脊柱侧弯治疗水平，对于解决传统cobb角度测量依赖于医生经验并且操作耗时的问题，提高脊柱侧弯本文档来自技高网...
【技术保护点】
1.一种脊柱侧弯的Cobb角自动评估方法，其特征在于，包括：
2.根据权利要求1所述的脊柱侧弯的Cobb角自动评估方法，其特征在于，根据公开的脊柱侧弯X光片数据集，经由数据预处理，获得脊骨边界线的粗糙标注，具体过程如下：
3.根据权利要求1所述的脊柱侧弯的Cobb角自动评估方法，其特征在于，根据重新构建的标注脊骨边界线的脊柱侧弯X光片数据集，构建基于扩散概率模型的医学图像分割网络，经由网络训练，实现脊柱X光片中脊骨边界线的分割，具体过程如下：
4.根据权利要求1所述的脊柱侧弯的Cobb角自动评估方法，其特征在于，根据训练推理所得的脊骨边界线，设计数据增强策略，扩增训练数据集，获得数据增强后的脊骨边界线数据集，具体过程如下：
5.根据权利要求1所述的脊柱侧弯的Cobb角自动评估方法，其特征在于，根据数据增强后的脊骨边界线数据集，构建融合SENet模块的DenseNet回归模型，经由网络训练，实现脊柱侧弯Cobb角的自动评估，具体过程如下：
6.根据权利要求1所述的脊柱侧弯的Cobb角自动评估方法，其特征在于，根据脊柱X光片
...【技术特征摘要】
1.一种脊柱侧弯的cobb角自动评估方法，其特征在于，包括：
2.根据权利要求1所述的脊柱侧弯的cobb角自动评估方法，其特征在于，根据公开的脊柱侧弯x光片数据集，经由数据预处理，获得脊骨边界线的粗糙标注，具体过程如下：
3.根据权利要求1所述的脊柱侧弯的cobb角自动评估方法，其特征在于，根据重新构建的标注脊骨边界线的脊柱侧弯x光片数据集，构建基于扩散概率模型的医学图像分割网络，经由网络训练，实现脊柱x光片中脊骨边界线的分割，具体过程如下：
4.根据权利要求1所述的脊柱侧弯的cobb角自动评估方法，其特征在于，根据训练推理所得的脊骨边界线，设计...
【专利技术属性】
技术研发人员：黄菊香，王东娇，陈钢，徐云峰，冯超，王一帆，陶苇杭，杨凯，邰思童，
申请(专利权)人：北京邮电大学，
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。