[發明專利]漏斗胸Haller指數測量方法、電子設備及存儲介質

有效

• 申請號: 202010860272.4
• 申請日: 2020-08-25
• 公開（公告）號: CN111739023B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 謝松縣;彭立宏;鄧喜成
• 申請（專利權）人: 湖南數定智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06T7/73;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 周達

1.漏斗胸Haller指數測量方法，其特征在于，包括：

S1. 獲取大量漏斗胸患者胸骨橫切面的CT影像，構建訓練數據集；

S2. 構建卷積神經網絡U-Net模型，采用訓練數據集對卷積神經網絡U-Net模型進行訓練，直到模型收斂，得到訓練好的胸骨輪廓分割模型；其中，胸骨輪廓分割模型的訓練方法，包括：

（1）設置卷積神經網絡U-Net模型參數；

卷積神經網絡U-Net模型中卷積層的卷積核大小為3×3，步長為1，激活函數為ReLU函數，padding=1；池化層為最大池化層，大小為2×2，步長為2；輸出層的激活函數為softmax；

令λ＞0，U,V∈[0,1]^m×n，U和V分別表示胸骨輪廓分割得到的結果圖像和輸入圖像歸一化后的圖像，u、v分別表示U、V中的像素，m和n表示圖像的寬和高，均設為256，損失函數采用下面公式計算：

其中：，C為胸骨輪廓分割區域的輪廓曲線；

，Ω為胸骨輪廓分割區域內的像素集，c₁和c₂分別被表示為前景和背景，定義為常數，c₁=1和c₂=0；

（2）采用訓練數據集，使用隨機梯度下降算法對卷積神經網絡U-Net模型參數進行訓練，直到模型收斂，得到訓練好的胸骨輪廓分割模型

其中α為學習率，θ_j為網絡的權重，Loss(θ_j)代表損失函數；

S3. 對于任一患者的所有待處理的胸部CT影像，找出其中胸骨凹陷程度最大的胸部CT影像并輸入到訓練好胸骨輪廓分割模型，分割出其對應的胸骨輪廓圖，找出胸骨輪廓圖中Haller指數的四個關鍵點，計算得到Haller指數。

2.根據權利要求1所述的漏斗胸Haller指數測量方法，其特征在于：S1中，收集大量漏斗胸患者胸部CT影像構成漏斗胸患者胸部CT影像集，對漏斗胸患者胸部CT影像集中的各漏斗胸患者胸部CT影像進行人工標注，標記出各漏斗胸患者胸部CT影像中內胸輪廓、胸骨輪廓的界限范圍，從漏斗胸患者胸部CT影像集中篩選出其中的胸骨橫切面的CT影像，對篩選出的所有胸骨橫切面的CT影像進行數據增強、歸一化處理、二值化處理后將所有圖像調整為統一大小，得到訓練數據集。

3.根據權利要求2所述的漏斗胸Haller指數測量方法，其特征在于：S1中，所述數據增強的方法是：通過W/L調窗算法將胸骨橫切面的CT影像轉為灰度圖；

然后將圖像邊緣部分設置為0，同時根據斜率和截距計算Hu值，計算公式如下：

其中，Hu表示灰度值，X表示輸入的胸骨橫切面的CT影像，Slope表示斜率，Intercept表示截距；

將圖像的窗寬值和窗位值分別設置為360Hu和60Hu，圖片分辨率設置為512像素*512像素后，使用帶通濾波器對胸骨橫切面的灰度圖進行去噪即可。