[发明专利]CT图像分割与骨密度t值预测方法、系统、计算机设备

权利要求书

1.一种CT图像分割与骨密度t值预测方法，其特征在于，所述CT图像分割与骨密度t值预测方法包括：

对CT图像进行灰度映射以及数据增强处理；

通过恒等快捷连接思想与编码器结合，利用网络模型提取CT图像处理后的图像特征；获得编码的CT图像中低分辨率特征图；

通过使用转置卷积的方法与解码器相结合，将经过编码的CT图像中低分辨率特征图还原解码成高分辨率的分割结果图；

模型分割完成后，统计结果区域的平均灰度值；基于所述平均灰度值，使用线性回归的方法预测骨密度t值。

2.如权利要求1所述CT图像分割与骨密度t值预测方法，其特征在于，所述图像预处理，包括：

对不同切面的CT图像，设计不同的预处理与增强算法；

对于横断位CT图像，采用上采样或下采样的方法将所述横断位CT图像转化为统一大小；采用转置、随机90度旋转以及水平镜像的方法将所述横断位CT图像进行90、180、270度的固定角度随机旋转，通过增强方法扩充数据集；

对于矢状位CT图像，采用随机裁剪与边缘镜像的方法将所述，CT图像转换为统一大小，采用水平或者垂直镜像的方法进行样本扩充。

3.如权利要求1所述CT图像分割与骨密度t值预测方法，其特征在于，所述利用网络模型提取CT图像处理后的图像特征，包括：

所述图像特征为语义信息；

将ResNet的恒等快捷连接结构应用于特征编码部分，使特征编码部分每一层的输入和输出直接相连，网络提取图像语义信息。

4.如权利要求1所述CT图像分割与骨密度t值预测方法，其特征在于，所述将经过编码的CT图像中低分辨率特征图还原解码成高分辨率的分割结果图，包括：

使用转置卷积方法替代插值与卷积相结合的方法，建立输入矩阵和输出矩阵中一对多的位置关系，包括卷积的逆向操作；其中，所述逆向操作并不从输出矩阵和卷积核矩阵完美还原原始的输入矩阵，计算得到一个具有位置上对应关系的矩阵。

5.如权利要求1所述CT图像分割与骨密度t值预测方法，其特征在于，使用Focalloss和Diceloss混合损失函数，通过带有的数据集对编码的低分辨率特征图和解码的高分辨率的分割结果图进行模型训练；

所述模型训练，包括：

特征编码和特征解码共同组成网络模型，使用带有Ground Truth的原始数据对网络进行训练；采用Focalloss与Diceloss相结合的混合损失函数；其中，Focalloss、Diceloss以及混合损失函数的公式如下(3)：

其中，Focalloss中的p为模型预测的分类概率，y为数据的真是标签，α＞0为调节因子，用于缓解正负样本不平衡的问题；γ＞0也为调节因子，用于调节难易样本不平衡的问题；Diceloss中的X代表模型预测的结果图，Y代表图像的Ground Truth。

6.如权利要求1所述CT图像分割与骨密度t值预测方法，其特征在于，所述基于所述平均灰度值，使用线性回归的方法预测骨密度t值，包括：

对模型分割出的结果图，统计对应区域的平均灰度值；使用线性回归的方式根据区域的平均灰度值预测患者的骨密度t值。