一种基于甲基乙二醛含量预测骨质疏松时期的方法、设备及程序产品

本技术涉及智能医疗领域，具体涉及一种基于甲基乙二醛含量预测骨质疏松时期的方法、设备、程序产品及计算机可读存储介质。

背景技术：

1、骨质疏松症是一种以骨量减少和骨微结构退化为特征的全身性骨骼疾病，导致骨骼脆弱和骨折风险增加。它通常发生在中老年人群，尤其是绝经后的女性，但也可以影响男性和儿童。骨质疏松症是全球公共健康问题之一，因为它增加了骨折的风险，尤其是脊柱、髋部和腕部骨折，这些骨折可能导致慢性疼痛、身体功能下降、残疾，甚至缩短寿命。近年来，骨质疏松症的研究取得了不少进展，包括对疾病机制的深入理解、新的治疗方法的开发以及预防策略的优化，然而，骨质疏松症的发病机制涉及多个系统和分子途径，其复杂性增加了研究的难度，骨质疏松症在不同个体中的表现和进展速度差异大，这影响了疗法的普遍适用性和有效性，骨质疏松症在早期往往无明显症状，直到发生骨折才被发现，这限制了早期干预的机会，骨质疏松症的治疗通常需要长期坚持，但患者的依从性不高，影响了治疗效果。

2、糖尿病骨质疏松症(diabetic osteoporosis，dop)作为继发于糖尿病的骨骼系统改变，以骨矿物质密度减低、骨脆性增加、骨折风险增高为特点。dop易导致患者出现局部疼痛、畸形、瘫痪等症状，危害患者身心健康，降低患者生活质量。对dop发病机制展开深入研究，寻求改善糖尿病患者骨骼质量的方法迫在眉睫。

技术实现思路

1、针对上述问题，本发明提出一种基于甲基乙二醛含量预测骨质疏松时期的方法，具体包括：

2、s1:获取待测者不同时间点的ct影像数据，待测者为甲基乙二醛积累增加待测者；

3、s2:基于不同时间点的ct影像数据提取第一节点影像特征和第二节点影像特征；

4、s3:比较第一节点影像特征与第二节点影像特征；

5、s4：所述影像特征包括皮质骨厚度，当第一节点皮质骨厚度小于第二节点皮质骨厚度，判定为骨质疏松第一时期；当第一节点皮质骨厚度大于第二节点皮质骨厚度，判定为骨质疏松第二时期。

6、所述影像特征替换为皮质骨总面积，当第一节点皮质骨总面积小于第二节点皮质骨总面积，判定为骨质疏松第一时期；当第一节点皮质骨总面积大于第二节点皮质骨总面积，判定为骨质疏松第二时期；

7、可选地，所述影像特征替换为骨小梁分离度，当第一节点骨小梁分离度大于第二节点骨小梁分离度，判定为骨质疏松第一时期；当第一节点骨小梁分离度小于第二节点骨小梁分离度，判定为骨质疏松第二时期；

8、可选地，所述影像特征替换为皮质骨总面积、骨小梁分离度；当第一节点皮质骨总面积小于第二节点皮质骨总面积，第一节点骨小梁分离度大于第二节点骨小梁分离度时，判定为骨质疏松第一时期；当第一节点皮质骨总面积大于第二节点皮质骨总面积，第一节点骨小梁分离度小于第二节点骨小梁分离度，判定为骨质疏松第二时期；

9、可选地，所述第一节点影像特征和第二节点影像特征分别为同一时间轴上顺序选取不同时间点的影像特征；

10、可选地，所述甲基乙二醛的含量随着时间的增加而增加。

11、所述影像特征还包括皮质骨总面积，当第一节点皮质骨厚度小于第二节点皮质骨厚度，第一节点皮质骨总面积小于第二节点皮质骨总面积时，判定为骨质疏松第一时期；当第一节点皮质骨厚度大于第二节点皮质骨厚度，第一节点皮质骨总面积大于第二节点皮质骨总面积时，判定为骨质疏松第二时期；

12、可选地，所述影像特征还包括骨小梁分离度，当第一节点皮质骨厚度小于第二节点皮质骨厚度，第一节点骨小梁分离度大于第二节点骨小梁分离度时，判定为骨质疏松第一时期；当第一节点皮质骨厚度大于第二节点皮质骨厚度，第一节点骨小梁分离度小于第二节点骨小梁分离度时，判定为骨质疏松第二时期；

13、可选地，所述影像特征还包括皮质骨总面积、骨小梁分离度；当第一节点皮质骨厚度小于第二节点皮质骨厚度，第一节点皮质骨总面积小于第二节点皮质骨总面积，第一节点骨小梁分离度大于第二节点骨小梁分离度时，判定为骨质疏松第一时期；当第一节点皮质骨厚度大于第二节点皮质骨厚度，第一节点皮质骨总面积大于第二节点皮质骨总面积，第一节点骨小梁分离度小于第二节点骨小梁分离度时，判定为骨质疏松第二时期；

14、可选地，所述皮质骨厚度为图像区域内皮质骨厚度的平均值。

15、所述方法还包括数据处理，对ct影像进行目标区域勾画并分割得到目标影像，基于目标影像提取第一节点影像特征和第二节点影像特征；

16、可选地，所述分割通过阈值法进行分割得到目标影像；

17、可选地，所述分割通过分割模型进行分割得到目标影像；

18、可选地，所述分割模型包括下列的一种或几种：fcn、u-net、mask r-cnn、deeplab、pspnet、refinenet、encnet、hrnet、ocrnet；

19、可选地，所述勾画包括皮质骨勾画和松质骨勾画；

20、可选地，所述皮质骨勾画选择松质骨顶端层面向股骨近端延伸n层为最底层，继续向近端延伸m层为最顶层，n为大于等于500的自然数，m为大于等于50的自然数；

21、可选地，所述松质骨勾画选择股骨远端骺板消失层面为最底层，向股骨近端延伸l层为最顶层，l为大于等于50的自然数。

22、将s3替换为s3’：将第一节点影像特征和第二节点影像特征输至训练好的模型中进行预测得到骨质疏松的时期；

23、可选地，所述训练好的模型为动物网络模型，所述动物网络模型的构建过程为：

24、获取不同时间节点的动物ct影像；所述动物为累计注射不同天数的甲基乙二醛的动物；

25、对所述不同时间节点的动物ct影像进行感兴趣区域分割得到感兴趣区域；

26、基于所述感兴趣区域提取节点影像特征；

27、将所述节点影像特征作为标签对ct影像进行标注得到标注数据；

28、将所述标注数据输至神经网络中进行训练得到训练好的模型；

29、可选地，所述神经网络为下列的一种或几种：transformer、transformerxl、cnn；

30、可选地，所述影像特征包括：皮质骨厚度、皮质骨总面积；

31、可选地，所述影像特征还包括下列一种或几种：骨体积分数、骨小梁厚度、骨小梁数目、骨小梁分离度、结构模式指数、骨矿物质密度。

32、将s2替换为s21：获取待测者甲基乙二醛的含量，将ct影像数据和甲基乙二醛含量输至神经网络中进行特征学习与特征融合得到积累节点影像特征，基于积累节点影像特征进行预测得到骨质疏松的时期，其中积累节点影像特征为包含甲基乙二醛含量信息的节点影像特征。

33、所述s2替换为s22:基于ct影像提取骨的第一节点刚度和第二节点刚度，比较第一节点刚度与第二节点刚度得到骨质疏松的时期；

34、可选地，所述s22替换为s23：获取待测者甲基乙二醛的含量、刚度，将刚度与ct影像输至神经网络中进行特征学习和特征融合得到融合特征，基于融合特征进行预测得到骨质疏松时期；

35、可选地，所述输至神经网络的还包括下列的一种或几种：应力峰值、应变峰值、位移峰值。

36、本发明的目的在于提供一种计算机程序产品，其上有计算机程序或指令，包括：

37、所述计算机程序或指令被处理器执行实现上述的基于甲基乙二醛含量预测骨质疏松时期的方法。

38、本发明的目的在于提供一种计算机设备，包括存储器、处理器和存储在存储器上的计算机程序或指令，包括：

39、所述计算机程序或指令被处理器执行实现上述的基于甲基乙二醛含量预测骨质疏松时期的方法。

40、本发明的目的在于提供一种计算机可读存储介质，其上存储有计算机程序或指令，包括：

41、所述计算机程序或指令被处理器执行实现上述的基于甲基乙二醛含量预测骨质疏松时期的方法。

42、本发明的优势：

43、本发明通过甲基乙二醛含量、ct影像提取骨皮质厚度或骨皮质面积或骨小梁分离度进行骨质疏松的分期，特别是糖尿病骨质疏松症，能够发现早期骨质疏松，降低骨折的风险，具有重要的临床意义。

44、本发明针对甲基乙二醛含量、刚度进行骨质疏松的分期，随着甲基乙二醛的含量增加，骨骼的刚度增加，基于此能够有效进行骨质疏松的分期区分，更加有效预防骨折发生。