[发明专利]基于腹部CT图像和深度学习的身体成分自动测量系统

权利要求书

1.一种基于腹部CT图像和深度学习的身体成分自动测量系统，其特征在于，可以自动获取第三腰椎对应所有层面的肌肉、脂肪参数，包括三个模块：

定位模块，用于对CT图像上第三腰椎对应的所有轴向切片进行定位；

分割模块，用于对CT图像上第三腰椎对应轴向切片的四类骨骼肌进行分割；

自动测量模块，用于对临床CT图像的身体成分的自动测量；

其中：

所述的定位模块，首先对患者行腹部或腹盆部CT检查，得到的CT图像包括第三腰椎以及其他脊柱椎体；由经验丰富的医生定位并提供第三腰椎位置；选取第三腰椎对应切片作为定位网络训练的正样本输入，选取剩余切片数量的二分之一作为定位网络训练的负样本输入；这里，定位网络使用预训练网络EfficientNet-b2，将全连接层设置输出为2类，判读是否为第三腰椎对应切片；经过训练，得到最优定位模型；

(1)所述的分割模块，从自动筛选出的第三椎体对应的所有轴向切片上提取四类骨骼肌，其中，四种类别的划分根据是骨骼肌的空间分布及肌肉纹理特征；腹部CT图像第三腰椎节段轴向切片作为训练分割网络的输入，输出是该节段区域的4类骨骼肌标签；经过训练，得到最优分割模型；这里，分割网络采用用于医学图像分割的残差结构增强的U-Net框架，借鉴其编码和解码路径设计；

所述的自动测量模块，利用前两个模块训练得到的定位模型与分割模型，将新的腹部或腹盆部CT图像与对应的第三腰椎位置作为输入，一方面根据深度学习模型，计算四类骨骼肌的数量和平均肌肉衰减，即CT图像的HU值；另一方面根据皮下脂肪、腹内脂肪的HU值区间分别为[-29,150]、[-150,-50]进行阈值处理，得到脂肪数量和平均肌肉衰减；计算每个患者第三腰椎体积，计算第三腰椎占比，最终实现身体成分自动测量。

2.根据权利要求1所述的身体成分自动测量系统，其特征在于，所述定位模块，其内容包括：

(1)由于腹部或腹盆腔CT图像包含较大的腹腰部区域，因此，首先要定位第三腰椎，由医生选取第三腰椎所有轴向切片形成训练深度模型所需要的的位置标签，共计4-8层；

(2)定位预处理：对第三腰椎位置进行标注后，选取第三腰椎对应切片作为正样本输入，标签设置为1；选取剩余切片数量的二分之一作为负样本输入，标签设置为0。并将HU值归一化到[0,1]区间；

(3)利用如干例肝硬化患者的CT数据训练定位网络，定位网络使用的是预训练网络EfficientNet-b2，将全连接层设置输出为2类，判读是否为第三腰椎对应切片；筛选出第三腰椎对应的所有切片，并保存准确率最高的模型为最优模型。

3.根据权利要求2所述的身体成分自动测量系统，其特征在于，所述分割模块，其内容包括：

(1)将定位模块获取的属于第三腰椎的切片由经验丰富的医生进行四类骨骼肌的划分，实现在体积上分析多类骨骼肌：包括L3腹部前外周的腹直肌、腹外斜肌、腹内斜肌、腹横肌；L3椎体左侧和右侧的腰大肌、腰小肌、腰方肌；以及L3后部的竖脊肌等椎旁肌群；

(2)分割预处理：对每个CT数据进行归一化处理，统一尺寸到深度、高度、宽度分别为8、512、512，将HU值归一化到[0,1]区间；

(3)构建四类骨骼肌分割网络，是基于广泛用于于医学图像分割的残差结构增强的U-Net框架，借鉴其编码和解码路径设计；该分割网络的输入是腹部CT图像第三腰椎节段轴向切片，输出是该节段区域的4类骨骼肌标签。

(4)利用若干例肝硬化患者的CT数据训练分割网络，自动分割四类骨骼肌；保存Dice指数最高的模型为最优分割模型。