买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学人民医院

摘要：本发明涉及医学数据处理技术领域，公开一种骨衰老程度预测模型的构建方法、系统、设备及介质，包括：获取目标群体的CT图像，在每一张CT图像上划分背景区域和感兴趣区域，根据灰度值对每一张CT图像上的感兴趣区域进行区域细分，得到感兴趣区域内的多个细分区域，并得到每一个细分区域在感兴趣区域的面积占比，根据目标群体的CT图像以及每一张CT图像上每一个细分区域在感兴趣区域的面积占比，基于深度学习模型框架，训练得到骨衰老程度预测模型。本发明能够智能化地且更加准确地预测待测者的骨质疏松程度和是否存在骨质疏松。

主权项：1.一种骨衰老程度预测模型的构建方法，其特征在于，包括：获取目标群体的CT图像，其中，目标群体包括骨质疏松的哺乳动物群体和未骨质疏松的哺乳动物群体，CT图像包括多张位于目标群体的股骨远端的CT图像，且多张CT图像中的每一张CT图像均标注有骨质疏松程度标签和年龄标签，所述骨质疏松程度标签描述CT图像显示的骨强度与对应年龄的基准骨强度的偏差程度；在每一张CT图像上划分背景区域和感兴趣区域，其中，感兴趣区域包括骨小梁区域和皮质区域；根据灰度值，对每一张CT图像上的感兴趣区域进行区域细分，得到感兴趣区域内的多个细分区域，并得到多个细分区域中每一个细分区域在感兴趣区域的面积占比；根据目标群体的CT图像以及每一张CT图像上每一个细分区域在感兴趣区域的面积占比，并结合目标群体的骨质疏松程度标签和年龄标签，基于深度学习模型框架，训练得到骨衰老程度预测模型；所述获取目标群体的CT图像，包括：以目标群体的股骨生长板处的CT图像作为第1层，在目标群体的股骨干段方向上进行CT图像获取，得到多张初始CT图像，并以预设层间隔从多张初始CT图像中进行CT图像筛选，得到训练用CT图像；所述根据灰度值，对每一张CT图像上的感兴趣区域进行区域细分，得到感兴趣区域内的多个细分区域，并得到多个细分区域中每一个细分区域在感兴趣区域的面积占比，包括：将每一张训练用CT图像的感兴趣区域的像素点灰度值与多个预设灰度范围对比，对每一张训练用CT图像上的感兴趣区域进行区域细分，得到感兴趣区域内的第一细分区域、第二细分区域、第三细分区域、第四细分区域；将每一张训练用CT图像的每一个细分区域的像素点数量与该训练用CT图像的所有细分区域的总体像素点数量进行相除，得到每一个细分区域在感兴趣区域的面积占比；深度学习模型框架包括多个卷积神经网络和多个全连接网络，所述根据目标群体的CT图像以及每一张CT图像上每一个细分区域在感兴趣区域的面积占比，并结合目标群体的骨质疏松程度标签和年龄标签，基于深度学习模型框架，训练得到骨衰老程度预测模型，包括：根据目标群体的训练用CT图像以及每一张训练用CT图像上每一个细分区域在感兴趣区域的面积占比，通过多个卷积神经网络进行多维度的特征提取，得到多个特征，并将多个特征展平和堆叠为一维特征向量，利用激活函数对一维特征向量进行非线性激活；通过多个全连接网络将非线性激活的一维特征向量进行全局化分析，学习目标群体在生长期间每一张训练用CT图像与骨质疏松程度之间的映射关系，以训练得到骨衰老程度预测模型。

全文数据：

权利要求：

百度查询： 北京大学人民医院 一种骨衰老程度预测模型的构建方法、系统、设备及介质