一种CT骨微结构与骨质量分析方法、装置和设备

本发明涉及医学影像分析，具体来说涉及一种ct骨微结构与骨质量分析方法、装置和设备。

背景技术：

1、计算机断层扫描（computed tomography，ct）已广泛应用于骨骼疾病诊断及骨质量评价。临床常用的螺旋ct具有扫描速度快、覆盖范围广以及既有影像数据丰富等特点，因此能够作为骨质量分析的重要影像数据来源。然而，受扫描层厚、探测器尺寸、重建算法及辐射剂量等因素影响，普通螺旋ct的空间分辨率通常有限，其形成的三维影像难以充分呈现骨小梁等骨微结构的细微形态，从而限制了基于普通ct影像对骨微结构进行精细定量分析的能力。

2、为获得较为清晰的骨微结构影像，现有技术还可采用高分辨率ct、光子计数ct、相控阵ct、microct或hr-pqct等成像设备。但此类设备在设备成本、扫描范围、辐射剂量或者临床可及性等方面存在一定限制，难以替代普通螺旋ct成为普遍的临床骨质量分析影像来源。因此，如何利用临床已有的普通螺旋ct影像，在无需改变既有检查流程的情况下获得能够用于骨微结构定量分析的高分辨率影像信息，成为利用普通ct开展骨质量分析时需要解决的问题。

3、近年来，人工智能和深度学习技术逐渐应用于ct图像分割、骨量识别以及图像超分辨率重建。例如，基于卷积神经网络、三维卷积网络、注意力机制、生成式网络及transformer等模型，可以从低分辨率影像中提取骨骼结构特征并生成高分辨率影像；还可以进一步结合影像特征和骨微结构参数对骨质量进行分析。

4、但是，现有相关技术仍存在以下问题：一方面，部分骨质分析方法直接基于普通ct影像进行骨密度或骨微结构参数计算，其分析结果受到原始ct空间分辨率的限制，难以获得与高分辨率骨微结构相对应的结构信息；另一方面，现有的ct分割、超分辨率重建以及骨密度计算等功能通常相互独立，缺少从普通ct影像输入、目标骨骼区域提取、超分辨率骨微结构重建到骨微结构和骨质量定量分析的连续处理关系。

5、此外，采用生成式人工智能模型进行医学影像超分辨率重建时，如果主要依据像素或视觉特征进行优化，模型可能生成与真实解剖结构不一致的虚拟高频纹理。对于需要进一步计算骨小梁体积分数、骨小梁厚度、骨小梁间距以及骨小梁数量等微结构参数的应用场景，仅提高影像的视觉清晰度并不能保证重建影像中的骨微结构与真实高分辨率影像保持对应关系。本技术进一步指出，现有相关方案尚未充分利用同一受试者、同一骨骼区域的普通ct与高分辨率ct配对数据建立监督训练关系，也未将骨小梁微结构参数直接作为超分辨率模型的训练约束。

6、因此，亟需一种基于普通ct影像的骨微结构与骨质量分析方法，通过建立普通ct影像与高分辨率ct影像之间的配对关系和空间对应关系，将骨微结构信息引入超分辨率重建过程，并进一步利用重建得到的骨微结构影像进行骨密度、骨微结构及骨力学相关参数的分析，从而形成由普通ct影像输入至骨质量分析结果输出的完整处理流程。

技术实现思路

1、本发明的目的在于提供一种ct骨微结构与骨质量分析方法、装置和设备，通过建立同一受试者同一目标骨骼区域的普通ct影像与高分辨率ct影像之间的配对及空间对应关系，并将骨微结构参数引入超分辨率重建模型的训练约束，使普通ct影像能够生成具有骨微结构对应性的高分辨率三维影像，降低仅依赖视觉特征重建所产生虚拟纹理的影响。在此基础上，进一步利用重建影像同步获取骨密度及骨微结构参数，并形成骨质量分析结果，从而将普通ct影像处理、骨微结构重建及骨质量定量分析形成连续的数据处理链路，在无需额外获取高分辨率ct影像的情况下，为骨质量评价提供结构化分析依据。

2、为达到上述目的，本发明提供如下技术方案：

3、第一方面，本发明提供了一种ct骨微结构与骨质量分析方法，该方法包括：

4、获取同一受试者同一目标骨骼区域的普通ct影像和高分辨率ct影像，并获取与目标骨骼区域对应的骨密度数据和骨微结构参数，构建普通ct影像与高分辨率ct影像之间的配对训练数据；

5、对普通ct影像和高分辨率ct影像进行灰度标准化和空间配准，并从配准后的影像中提取对应的目标骨骼区域及松质骨感兴趣区域，以形成具有空间对应关系的普通ct三维图像块和高分辨率ct三维图像块；

6、将普通ct三维图像块输入超分辨率重建网络，生成预测骨微结构三维图像，并基于预测骨微结构三维图像与对应的高分辨率ct三维图像之间的像素差异、结构差异、高频结构差异以及骨微结构参数差异构建复合损失，对超分辨率重建网络进行监督训练，使超分辨率重建网络同时建立普通ct影像与高分辨率骨微结构影像之间的映射关系以及普通ct影像与骨微结构参数之间的对应关系；

7、利用训练得到的超分辨率重建网络对待分析的普通ct影像进行超分辨率重建，获得预测骨微结构三维影像，并基于目标骨骼区域及松质骨感兴趣区域对应的掩膜，从预测骨微结构三维影像中提取骨密度参数和骨微结构参数；

8、根据骨密度参数和骨微结构参数确定骨质量分析结果，并输出预测骨微结构三维影像、骨密度参数、骨微结构参数以及骨质量分析结果。

9、第二方面，本发明还提供了一种ct骨微结构与骨质量分析装置，该装置包括：

10、影像获取模块，用于获取同一受试者同一目标骨骼区域的普通ct影像和高分辨率ct影像，并获取与目标骨骼区域对应的骨密度数据和骨微结构参数，构建普通ct影像与高分辨率ct影像之间的配对训练数据；

11、影像配准模块，用于对普通ct影像和高分辨率ct影像进行灰度标准化和空间配准，并从配准后的影像中提取对应的目标骨骼区域及松质骨感兴趣区域，以形成具有空间对应关系的普通ct三维图像块和高分辨率ct三维图像块；

12、图像生成模块，用于将普通ct三维图像块输入超分辨率重建网络，生成预测骨微结构三维图像，并基于预测骨微结构三维图像与对应的高分辨率ct三维图像之间的像素差异、结构差异、高频结构差异以及骨微结构参数差异构建复合损失，对超分辨率重建网络进行监督训练，使超分辨率重建网络同时建立普通ct影像与高分辨率骨微结构影像之间的映射关系以及普通ct影像与骨微结构参数之间的对应关系；

13、参数获取模块，用于利用训练得到的超分辨率重建网络对待分析的普通ct影像进行超分辨率重建，获得预测骨微结构三维影像，并基于目标骨骼区域及松质骨感兴趣区域对应的掩膜，从预测骨微结构三维影像中提取骨密度参数和骨微结构参数；

14、结果确定模块，用于根据骨密度参数和骨微结构参数确定骨质量分析结果，并输出预测骨微结构三维影像、骨密度参数、骨微结构参数以及骨质量分析结果。

15、第三方面，本发明还提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面提供的ct骨微结构与骨质量分析方法。

16、第四方面，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面提供的ct骨微结构与骨质量分析方法。

17、第五方面，本发明还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面提供的ct骨微结构与骨质量分析方法。

18、本发明的有益效果在于：本发明中的方法，通过建立同一受试者同一目标骨骼区域的普通ct影像与高分辨率ct影像之间的配对及空间对应关系，并将骨微结构参数引入超分辨率重建模型的训练约束，使普通ct影像能够生成具有骨微结构对应性的高分辨率三维影像，降低仅依赖视觉特征重建所产生虚拟纹理的影响。在此基础上，进一步利用重建影像同步获取骨密度及骨微结构参数，并形成骨质量分析结果，从而将普通ct影像处理、骨微结构重建及骨质量定量分析形成连续的数据处理链路，在无需额外获取高分辨率ct影像的情况下，为骨质量评价提供结构化分析依据。

19、上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。