[發明專利]基于深度學習的腰椎X射線圖像分類方法

在審

• 申請號: 202010816186.3
• 申請日: 2020-08-14
• 公開（公告）號: CN111950636A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 張水興;張斌;陳露燕
• 申請（專利權）人: 暨南大學附屬第一醫院（廣州華僑醫院）
• 主分類號: G06K9/62
• 分類號: G06K9/62;A61B6/00;G06N3/04;G06N3/08
• 代理公司: 深圳至誠化育知識產權代理事務所(普通合伙) 44728
• 代理人: 劉英

本發明涉及一種基于深度學習的腰椎X射線圖像分類方法，包括步驟：獲取腰椎X射線圖像，并進行圖像篩選，篩選完成后進行圖像預處理，處理完成后的腰椎X射線圖像作為訓練集和測試集；構建DCNN神經網絡模型，將作為訓練集的腰椎X射線圖像輸入DCNN神經網絡模型進行參數調整，訓練完成后將作為測試集的腰椎X射線圖像輸入DCNN神經網絡模型；將實時獲取的患者腰椎X射線圖像輸入至訓練好的DCNN神經網絡模型，輸出結果即為分類結果。通過本發明，能夠通過拍攝的腰椎X射線直接對患者的骨質情況進行判斷，簡化了醫療過程，提高了現有設備利用率。

技術領域

本發明涉及深度學習技術領域，更具體地說，涉及一種基于深度學習的腰椎X射線圖像分類方法、一種計算機設備及存儲介質。

背景技術

骨質疏松是一種普遍存在但難以被診斷的疾病。隨著人口老齡化的增長，骨質疏松癥和骨質疏松性骨折已成為全球關注的主要健康問題。在美國，到2020年，大約1230萬年齡超過50歲的人預計會患有骨質疏松癥。50歲以上的女性三分之一會發生骨質疏松癥相關的骨折。骨質減少，作為骨質疏松癥的先導癥狀，也倍加值得關注，因為大多數絕經后婦女會患病骨質疏松癥，并發生骨折。

發明內容

針對現有方法的不足，提出一種基于深度學習的腰椎X射線圖像分類方法。

本發明解決其技術問題所采用的技術方案是：構造一種基于深度學習的腰椎X射線圖像分類方法，包括：

獲取腰椎X射線圖像，并進行圖像篩選，篩選完成后進行圖像預處理，處理完成后的腰椎X射線圖像作為訓練集和測試集，對腰椎X射線集圖像進行分類，分為正常圖像、骨質減少圖像及骨質疏松圖像；

構建DCNN神經網絡模型，將作為訓練集的腰椎X射線圖像輸入DCNN神經網絡模型進行參數調整，至輸出的結果為準確分類結果為止，訓練完成后將作為測試集的腰椎X射線圖像輸入DCNN神經網絡模型，驗證DCNN神經網絡模型的準確性；

將實時獲取的患者腰椎X射線圖像輸入至訓練好的DCNN神經網絡模型，輸出結果即為分類結果。

其中，在圖像篩選的步驟中，篩選評判標準為：

(1)絕經后女性≥50歲，絕經年齡被醫療記錄或患者的自我報告所證實；

(2)曾經在3個月內經歷過腰椎X線和DXA檢查的女性，在此期間間隔期間，患者未接受任何會影響BMD的治療；

(3)腰椎X射線圖像包括前后圖像，至少包括第一腰椎-第四腰椎(L1-L4)。

其中，在圖像篩選的步驟中，篩選排除標準為：

(1)曾接接受過腰椎(L1-L4)手術的患者，例如內固定術和骨術水泥填充；

(2)腰椎(L1-L4)呈現病變，包括腫瘤、炎性疾病或嚴重的脊柱側彎或畸形；

(3)感興趣區域(ROI)無法映射到原始圖像；

(4)信噪比低的圖像。

其中，圖像預處理的步驟包括：

對腰椎X射線圖像劃定感興趣區域；

灰度標準化，包括窗口寬度，窗口級別和像素歸一化；

將每一腰椎X射線圖像的感興趣區域調整為128×128，并平均分為四個具有至少50％有效面積的圖像。

其中，預處理通過以下方式進行：

ct’_i＝min(ct_i，window_level+window_width) (3)