一种基于CT影像预测腰椎骨密度的机器学习模型构建方法

本发明公开了一种基于CT影像预测腰椎骨密度的机器学习模型构建方法，其包括：步骤1、图像采集：收集患者的包含腰椎CT的图像和数据；步骤2、图像分割：在每个CT图像的横截面上，使用ITK‑SNAP软件进行椎体骨松质部位的ROI分割，以确保模型的构建可以反映出最能代表真实骨密度的骨松质部位结果；步骤3、使用DenseNet进行深度学习：基于Pytorch框架实现Densenet模型的训练和测试；步骤4、使用训练好的模型进行验证：完成训练后，使用验证数据集评估训练后的模型的性能。本发明对于训练集与测试集的患者进行了严格的筛选，排除了可能会导致骨密度结果不准确的影响因素，其可以给出更符合椎体实际骨密度数值的结果，对腰椎手术、骨密度治疗，更具临床意义。