本發明屬于圖像處理，特別是一種基于ct影像的腰椎間盤突出等級的智能預測方法及系統。

背景技術：

1、隨著影像學技術的進步，計算機斷層掃描（ct）已成為臨床診斷腰椎間盤突出的重要工具。通過ct影像，醫學專業人員能夠直觀地觀察到腰椎間盤及其周圍結構的狀態，從而為患者制定出合理的治療方案。然而，解讀ct影像依然依賴于專業醫生的經驗和知識，存在一定的主觀性和時效性，且容易受到個體差異和成像條件的影響。這些因素導致了腰椎間盤突出等級的判定標準缺乏統一性，臨床診斷存在一定的誤差。

2、當前，對于腰椎間盤突出的評估，通常采用的是基于影像特征的手動分析方法。醫生通過觀察ct影像中的組織形態、結構變化、相對位置等進行判斷，這一過程不僅費時費力，而且對醫生的主觀判斷能力要求較高，容易導致誤診或漏診。

技術實現思路

1、本發明的目的是提供一種基于ct影像的腰椎間盤突出等級的智能預測方法及系統，以解決現有技術中的不足，能夠有效提升腰椎間盤突出預測的準確性與效率。

2、本申請的一個實施例提供了一種基于ct影像的腰椎間盤突出等級的智能預測方法，所述方法包括：

3、根據患者的當前原始ct影像數據，進行多維影像重建處理，以提高影像分辨率和對比度，得到重建后的ct重建影像；

4、根據重建后的ct重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域；

5、根據分割出的腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量；

6、根據提取的多維特征向量，利用集成學習模型進行突出等級預測，通過結合多個分類器的結果，進行投票機制或加權平均，得到最終的腰椎間盤突出等級預測結果。

7、可選的，所述根據患者的當前原始ct影像數據，進行多維影像重建處理，以提高影像分辨率和對比度，得到重建后的ct重建影像，包括：

8、利用濾波反投影方法對歷史ct影像數據集進行初步重建，得到初步重建影像；

9、將所述初步重建影像作為輸入，利用卷積神經網絡針對所述初步重建影像的特定噪聲與偽影進行訓練，所述卷積神經網絡通過對比真實的預設高質量影像和初步重建影像，優化網絡參數以實現噪聲抑制和對比度增強；

10、將患者的當前原始ct影像數據，輸入訓練完成的卷積神經網絡，輸出重建后的ct重建影像。

11、可選的，所述根據重建后的ct重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域，包括：

12、將重建后的ct重建影像劃分為若干個重疊的局部區域圖像塊，每個局部區域圖像塊的大小根據影像的分辨率自適應調整，以確保包含重要的結構信息；

13、對于每個局部區域圖像塊，計算局部區域圖像塊的灰度直方圖以獲得局部灰度分布特征，動態確定每個局部區域圖像塊的閾值；

14、基于確定的閾值作為界限進行區域生長，得到分割出的腰椎間盤結構區域。

15、可選的，所述根據分割出的腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量，包括：

16、將分割出的腰椎間盤結構區域數據，輸入預先訓練的深度學習模型中，提取不同層次的形態學特征，其中，所述深度學習模型在卷積層提取的特征圖中，能夠反映出腰椎間盤的形態學特征；

17、在提取的特征圖上應用紋理分析，提取紋理特征，以捕捉到腰椎間盤結構中的細微紋理變化，進而反映出組織的健康狀況或病理變化；

18、將所述形態學特征、所述紋理特征進行整合，生成多維特征向量，以全面描述腰椎間盤的結構特征。

19、本申請的又一實施例提供了一種基于ct影像的腰椎間盤突出等級的智能預測系統，所述系統包括：

20、重建模塊，用于根據患者的當前原始ct影像數據，進行多維影像重建處理，以提高影像分辨率和對比度，得到重建后的ct重建影像；

21、分割模塊，用于根據重建后的ct重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域；

22、提取模塊，用于根據分割出的腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量；

23、預測模塊，用于根據提取的多維特征向量，利用集成學習模型進行突出等級預測，通過結合多個分類器的結果，進行投票機制或加權平均，得到最終的腰椎間盤突出等級預測結果。

24、本申請的又一實施例提供了一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行上述任一項中所述的方法。

25、本申請的又一實施例提供了一種電子設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行上述任一項中所述的方法。

26、與現有技術相比，本發明提供的一種基于ct影像的腰椎間盤突出等級的智能預測方法，根據當前原始ct影像數據，進行多維影像重建處理，得到重建后的ct重建影像；根據重建后的ct重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域；根據腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量；根據多維特征向量，利用集成學習模型進行突出等級預測，通過結合多個分類器的結果，進行投票機制或加權平均，得到最終的腰椎間盤突出等級預測結果，從而能夠有效提升腰椎間盤突出預測的準確性與效率。

技術特征：

1.一種基于ct影像的腰椎間盤突出等級的智能預測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述根據患者的當前原始ct影像數據，進行多維影像重建處理，以提高影像分辨率和對比度，得到重建后的ct重建影像，包括：

3.根據權利要求2所述的方法，其特征在于，所述根據重建后的ct重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域，包括：

4.根據權利要求3所述的方法，其特征在于，所述根據分割出的腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量，包括：

5.一種基于ct影像的腰椎間盤突出等級的智能預測系統，其特征在于，所述系統包括：

6.根據權利要求5所述的系統，其特征在于，所述重建模塊，具體用于：

7.根據權利要求6所述的系統，其特征在于，所述分割模塊，具體用于：

8.根據權利要求7所述的系統，其特征在于，所述提取模塊，具體用于：

9.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行權利要求1-4中任一項所述的方法。

10.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行權利要求1-4中任一項所述的方法。

技術總結
本發明公開了一種基于CT影像的腰椎間盤突出等級的智能預測方法及系統，方法包括：根據當前原始CT影像數據，進行多維影像重建處理，得到重建后的CT重建影像；根據重建后的CT重建影像，進行動態區域分割，通過自適應分割算法對腰椎間盤及其周圍組織進行分割，得到分割出的腰椎間盤結構區域；根據腰椎間盤結構區域，進行特征提取處理，運用深度學習網絡提取腰椎間盤結構區域的多維特征，得到多維特征向量；根據多維特征向量，利用集成學習模型進行突出等級預測，通過結合多個分類器的結果，進行投票機制或加權平均，得到最終的腰椎間盤突出等級預測結果。利用本發明實施例，能夠有效提升腰椎間盤突出預測的準確性與效率。

技術研發人員：王棟,戚維輝,潘浩
受保護的技術使用者：杭州市中醫院（浙江中醫藥大學附屬杭州市中醫院）
技術研發日：
技術公布日：2025/4/28