[发明专利]漏斗胸Haller指数测量方法、电子设备及存储介质

权利要求书

1.漏斗胸Haller指数测量方法，其特征在于，包括：

S1. 获取大量漏斗胸患者胸骨横切面的CT影像，构建训练数据集；

S2. 构建卷积神经网络U-Net模型，采用训练数据集对卷积神经网络U-Net模型进行训练，直到模型收敛，得到训练好的胸骨轮廓分割模型；其中，胸骨轮廓分割模型的训练方法，包括：

（1）设置卷积神经网络U-Net模型参数；

卷积神经网络U-Net模型中卷积层的卷积核大小为3×3，步长为1，激活函数为ReLU函数，padding=1；池化层为最大池化层，大小为2×2，步长为2；输出层的激活函数为softmax；

令λ＞0，U,V∈[0,1]^m×n，U和V分别表示胸骨轮廓分割得到的结果图像和输入图像归一化后的图像，u、v分别表示U、V中的像素，m和n表示图像的宽和高，均设为256，损失函数采用下面公式计算：

其中：，C为胸骨轮廓分割区域的轮廓曲线；

，Ω为胸骨轮廓分割区域内的像素集，c₁和c₂分别被表示为前景和背景，定义为常数，c₁=1和c₂=0；

（2）采用训练数据集，使用随机梯度下降算法对卷积神经网络U-Net模型参数进行训练，直到模型收敛，得到训练好的胸骨轮廓分割模型

其中α为学习率，θ_j为网络的权重，Loss(θ_j)代表损失函数；

S3. 对于任一患者的所有待处理的胸部CT影像，找出其中胸骨凹陷程度最大的胸部CT影像并输入到训练好胸骨轮廓分割模型，分割出其对应的胸骨轮廓图，找出胸骨轮廓图中Haller指数的四个关键点，计算得到Haller指数。

2.根据权利要求1所述的漏斗胸Haller指数测量方法，其特征在于：S1中，收集大量漏斗胸患者胸部CT影像构成漏斗胸患者胸部CT影像集，对漏斗胸患者胸部CT影像集中的各漏斗胸患者胸部CT影像进行人工标注，标记出各漏斗胸患者胸部CT影像中内胸轮廓、胸骨轮廓的界限范围，从漏斗胸患者胸部CT影像集中筛选出其中的胸骨横切面的CT影像，对筛选出的所有胸骨横切面的CT影像进行数据增强、归一化处理、二值化处理后将所有图像调整为统一大小，得到训练数据集。

3.根据权利要求2所述的漏斗胸Haller指数测量方法，其特征在于：S1中，所述数据增强的方法是：通过W/L调窗算法将胸骨横切面的CT影像转为灰度图；

然后将图像边缘部分设置为0，同时根据斜率和截距计算Hu值，计算公式如下：

其中，Hu表示灰度值，X表示输入的胸骨横切面的CT影像，Slope表示斜率，Intercept表示截距；

将图像的窗宽值和窗位值分别设置为360Hu和60Hu，图片分辨率设置为512像素*512像素后，使用带通滤波器对胸骨横切面的灰度图进行去噪即可。