[发明专利]一种检测骨质疏松的方法、装置、设备及存储介质

说明书

本公开涉及图像处理技术领域，提供了一种基于深度胶囊网络检测骨质疏松的方法、装置、设备及存储介质。该检测骨质疏松的方法包括：接收外部输入的骨密度医学图像；对骨密度医学图像进行预处理，获取统一尺寸的骨密度医学图像；从统一尺寸的骨密度医学图像中提取特征并进行特征识别，得到骨质疏松检测结果。本公开充分利用了胶囊网络对位置、角度、大小以及纹理等特征的高度敏感性，弥补了传统的机器学习模型难以保留图像的位置、大小以及纹理特征的不足，消除由于拍摄角度及影像形变导致的问题，得到一个较可靠的骨质疏松检测结果，能够在保证骨质疏松检测准确率的同时，降低训练时现存的消耗；且检测方法简单、检测速度快。

技术领域

本公开涉及图像处理技术领域，尤其是一种基于深度胶囊网络检测骨质疏松的方法、装置、设备及存储介质。

背景技术

骨质疏松症(Osteoporosis，OP)是目前最常见的代谢性骨病，以骨量减少、骨微结构退化为特征。骨质疏松致使骨强度下降，轻微创伤或日常活动时易于发生骨折，即脆性骨折，此类型骨折难于康复，致残、致死率高，常使患者生活质量下降，劳动力丧失，加重了个人与社会的经济负担，早期筛查及早防治有利于减少骨折的发生。随着我国人口老龄化加剧，骨质疏松的预防和诊断愈加显得重要。

目前，骨质疏松症的检测和诊断过程包括两个方面，即确定骨质疏松与排除其他影响骨代谢疾病。临床上用于检测和诊断骨质疏松症的通用指标是发生了脆性骨折和/或骨密度低下。脆性骨折指非外伤或轻微外伤发生的骨折，这是骨强度下降的明确体现，也是骨质疏松症的最终结果和合并症，发生了脆性骨折，临床上即可诊断为骨质疏松症。骨密度低下是目前公认的脆性骨折的主要危险因素，骨密度每下降1个标准差骨折风险就会增加1.5-3.0倍。

发明内容

(一)要解决的技术问题

有鉴于此，本公开的主要目的在于提供一种基于深度胶囊网络检测骨质疏松的方法、装置、设备及存储介质。

(二)技术方案

本公开的第一方面，提供了一种检测骨质疏松的方法，包括：接收外部输入的骨密度医学图像；对骨密度医学图像进行预处理，获取统一尺寸的骨密度医学图像；从统一尺寸的骨密度医学图像中提取特征并进行特征识别，得到骨质疏松检测结果。

根据本公开的实施例，所述对骨密度医学图像进行预处理，包括：对骨密度医学图像依次进行图片数字化处理、图片归一化处理，以及图片增强处理。

根据本公开的实施例，所述图片数字化处理，是将输入的骨密度医学图像转换为灰度图数据，并通过插值函数将灰度图数据统一为通道数为1、长和宽均为224的灰度图；所述图片归一化处理，是将图片数字化处理后的所述灰度图中的数值除以所述灰度图的均值，对所述灰度图进行归一化；所述图片增强处理，是对归一化处理后的所述灰度图进行亮度增强，以强化骨密度特征。

根据本公开的实施例，所述从统一尺寸的骨密度医学图像中提取特征并进行特征识别，得到骨质疏松检测结果，包括：所述统一尺寸的骨密度医学图像被输入到特征提取模型中，所述特征提取模型从所述统一尺寸的骨密度医学图像中获取特征图；所述特征图被输入到深度胶囊网络模型中，所述深度胶囊网络模型对所述特征图进行特征识别，得到骨质疏松检测结果。

根据本公开的实施例，所述特征提取模型包括三个二维卷积层，所述特征提取模型从所述统一尺寸的骨密度医学图像中获取特征图，包括：对所述三个二维卷积层进行设置；每个卷积核依次对所述骨密度医学图像执行卷积操作获得多个特征值，并依照乘积累加的位置拼接所有特征值构成特征图。

根据本公开的实施例，所述对所述三个二维卷积层进行设置，包括：设置所述三个二维卷积层的卷积核大小、数目及步长；所述每个卷积核依次对所述骨密度医学图像执行卷积操作获得多个特征值，并依照乘积累加的位置拼接所有特征值构成特征图，包括：所述每个卷积核依据步长及补零原则依次对所述骨密度医学图像内不同的正方形区域进行乘积并累加获得多个特征值，并依照乘积累加的位置拼接所有特征值构成特征图。