-
公开(公告)号:CN114937502A
公开(公告)日:2022-08-23
申请号:CN202210795803.5
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
Abstract: 本发明公开了一种基于深度学习的骨质疏松性椎体压缩性骨折评估方法及系统,包括以下步骤:获取临床中胸腰部三维CT原图像;对胸腰部三维CT原图像进行CT值归一化;基于目标椎体松质骨定位模型和分割模型对归一化处理所得图像数据集进行分割处理;利用分割后的图像对原图进行预处理,得到统一尺寸的图像作为输入骨质疏松性椎体压缩性骨折分类模型的数据集;基于骨质疏松性椎体压缩性骨折分类模型DenseNet对S4所得数据集进行评估得到发生骨质疏松性椎体压缩性骨折的概率;可辅助医师对OVCF患者进行快速鉴别,有效解决目前存在的OVCF疾病诊断大多通过医师目视法主观判断,以及OVCF整体漏诊率高,医疗条件及医师水平存在差异的状况。
-
公开(公告)号:CN115187540B
公开(公告)日:2023-08-18
申请号:CN202210795789.9
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/774 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种人体三维椎体松质骨图像的自动分割方法及系统,方法包括以下步骤:将CT图像转换成最大密度投影图,利用投影成像原理,将三维图像朝着任意方向进行投影,并取每条投影线经过的所有CT值中最大值,作为投影图像中对应的像素值,得到数据集;基于目标识别模型获取三块椎体在原始CT图像中Z轴方向的坐标信息;根据三块椎体的坐标信息在CT图像上进行裁剪;基于3D AnatomyNet模型,先对裁剪后的图像只采用一个下采样层进行下采样,将压缩‑激励残差块代替之前的卷积操作,并将其作为AnatomyNet的构建块,提取有效特征;该方法克服因不同CT设备的影像质量、分割人员主观性和疲劳的限制所导致的分割结果不一致或分割精度不够高等问题。
-
公开(公告)号:CN115187540A
公开(公告)日:2022-10-14
申请号:CN202210795789.9
申请日:2022-07-07
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
Abstract: 本发明公开一种人体三维椎体松质骨图像的自动分割方法及系统,方法包括以下步骤:将CT图像转换成最大密度投影图,利用投影成像原理,将三维图像朝着任意方向进行投影,并取每条投影线经过的所有CT值中最大值,作为投影图像中对应的像素值,得到数据集;基于目标识别模型获取三块椎体在原始CT图像中Z轴方向的坐标信息;根据三块椎体的坐标信息在CT图像上进行裁剪;基于3D AnatomyNet模型,先对裁剪后的图像只采用一个下采样层进行下采样,将压缩‑激励残差块代替之前的卷积操作,并将其作为AnatomyNet的构建块,提取有效特征;该方法克服因不同CT设备的影像质量、分割人员主观性和疲劳的限制所导致的分割结果不一致或分割精度不够高等问题。
-
-