本發(fā)明涉及骨密度預(yù)測，具體涉及基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、骨質(zhì)疏松癥(osteoporosis，op)即骨質(zhì)疏松，是世界范圍內(nèi)最常見的骨骼疾病，其特征是骨量低、骨組織微結(jié)構(gòu)破壞，導(dǎo)致骨脆性增加及骨折易感性增加的代謝性骨病。

2、骨質(zhì)疏松癥的危害在于增加了骨折的風(fēng)險和頻率，尤其是脊椎、髖部和腕部等易受傷的部位，這些骨折可能導(dǎo)致嚴(yán)重的疼痛、功能受限以及身體形態(tài)的改變，如駝背。此外，骨質(zhì)疏松癥及其相關(guān)的骨折也會降低患者的生活質(zhì)量，改變醫(yī)療救治方案和增加康復(fù)的成本。

3、世界衛(wèi)生組織推薦雙能x線吸收法(dual-energy?x-ray?absorptiometry，dxa)作為骨質(zhì)疏松診斷判別的金標(biāo)準(zhǔn)，將測定t值≤2.5sd判定為骨質(zhì)疏松。然而dxa所需要的儀器在基層醫(yī)院普及率較低。在我國，常規(guī)ct儀器在各醫(yī)院普及廣、應(yīng)用方便快捷，已成為臨床醫(yī)療中廣泛使用、不可代替的影像學(xué)檢查方法。

4、國內(nèi)外的多項研究均表明，常規(guī)ct值中的椎體ct值與dxa所測得的t值之間存在著正相關(guān)性，然而，尚未確立明確的標(biāo)準(zhǔn)以確切地衡量二者之間的關(guān)系。

5、近年來，隨著人工智能的快速發(fā)展，多種機器學(xué)習(xí)和深度學(xué)習(xí)方法已經(jīng)被廣泛應(yīng)用到醫(yī)學(xué)影像領(lǐng)域，能夠一定程度上輔助醫(yī)生進行疾病的診斷和治療，但是在患者數(shù)據(jù)選擇方面、模型結(jié)果的可靠性方面、以及對模型結(jié)果的解釋方面存在一定的局限性。

6、frax(fracture?riskassessmenttool)是一種利用臨床危險因素來評估每位個體發(fā)生骨質(zhì)疏松性骨折絕對風(fēng)險的軟件工具。該軟件可以根據(jù)股骨頸骨密度(bmd))和骨折危險因子情況，通過一系列大樣本循證醫(yī)學(xué)原始數(shù)據(jù)，預(yù)測出某位患者10年內(nèi)發(fā)生骨折的可能性，這種骨折部位包括髖部骨折百分率，也能計算出全身主要部位骨折的百分率。該工具考慮了年齡、性別、骨密度、骨折史、家族史、不良生活習(xí)慣以及其他疾病等在內(nèi)的因素，采用線性擬合的方法計算出未來出現(xiàn)骨質(zhì)疏松的可能，但是這個方法簡單擬合效果不足，導(dǎo)致準(zhǔn)確率不高。

7、文獻application?of?machine?learning?to?identify?clinically?meaningfulrisk?group?for?osteoporosis?in?individuals?under?the?recommended?age?fordual-energy?x-ray?absorptiometry構(gòu)建了xgboost來分別對男性和女性是否患有骨質(zhì)疏松進行預(yù)測，auc分別達到了0.73和0.79，并使用shap評估前20重要的特征，但是其選擇的特征中有些臨床上不易獲得，會導(dǎo)致醫(yī)療成本的增加。

8、文獻opportunistic?osteoporosis?screening?in?multi-detector?ct?imagesusing?deep?convolutional?neural?networks構(gòu)建了從ct圖像到骨密度值并骨質(zhì)疏松癥預(yù)測的模型，具有較優(yōu)的效果，但是在腰椎分割模塊中，其分割效果存在部分不是很理想的情況。除此之外，模型的復(fù)雜性可能導(dǎo)致臨床應(yīng)用中的計算成本增加。

9、專利文獻cn?116504395?b公開了一種基于人工智能的骨質(zhì)疏松預(yù)測方法、系統(tǒng)及存儲介質(zhì)。該專利構(gòu)建了從患者年齡、性別、吸煙史、飲酒史、所在區(qū)域、骨密度、骨折次數(shù)數(shù)據(jù)預(yù)測骨質(zhì)疏松的方法，首先采用全局樣本集的初步訓(xùn)練，然后采用部分全局樣本集和個性化樣本集進行二次訓(xùn)練，保證了患者數(shù)據(jù)隱私。但是，該方法患者的骨密度數(shù)據(jù)需要預(yù)先檢測，作為模型輸入。

10、專利文獻cn?116433620?a公開了一種基于ct圖像的骨密度預(yù)測及骨質(zhì)疏松智能篩查方法和系統(tǒng)。其構(gòu)建了基于腰椎ct圖像的骨密度值預(yù)測的深度學(xué)習(xí)模型，再根據(jù)最新的基于腰椎骨密度的骨質(zhì)疏松癥診斷標(biāo)準(zhǔn)得到骨質(zhì)疏松癥的篩查結(jié)果。該方式具有較好的輔助診斷效果，但是數(shù)據(jù)方面，沒有關(guān)注對骨質(zhì)疏松預(yù)測相關(guān)的患者人口統(tǒng)計學(xué)數(shù)據(jù)。除此之外，模型輸出結(jié)果不具備可解釋性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于，提出基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測方法及系統(tǒng)，其有效降低了患者的就醫(yī)時間和成本，僅通過傳統(tǒng)ct檢查即可輔助進行臨床醫(yī)生進行骨質(zhì)疏松癥的篩查和診斷。

2、根據(jù)本公開實施例的第一個方面，提供了一種基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測方法，包括以下步驟：

3、對現(xiàn)有患者l1-l4椎骨ct影像進行劃分并提取感興趣區(qū)域(region?ofinterest，roi)的ct值，將患者的年齡和性別作為附加臨床特征，與ct值共同構(gòu)成多維度特征集；

4、基于lightgbm算法構(gòu)建骨質(zhì)疏松預(yù)測模型，利用多維度特征集對骨質(zhì)疏松預(yù)測模型進行訓(xùn)練；所述lightgbm算法通過構(gòu)建多個決策樹，逐步優(yōu)化方式提升模型的預(yù)測性能，在此過程中，lightgbm算法自動調(diào)整決策樹的結(jié)構(gòu)和參數(shù)，以最小化預(yù)測誤差；

5、依據(jù)經(jīng)驗提供預(yù)測骨密度的不同特征選擇方案，輸入至骨質(zhì)疏松預(yù)測模型中，通過該模型的預(yù)測結(jié)果，得到最佳特征選擇方案；

6、基于shap分析工具量化特征選擇方案中每個特征對預(yù)測結(jié)果的貢獻，從而揭示哪些特征對預(yù)測結(jié)果起到了關(guān)鍵作用；

7、獲取新的患者ct值和臨床特征，通過骨質(zhì)疏松預(yù)測模型與shap分析工具，得到骨質(zhì)疏松風(fēng)險的預(yù)測結(jié)果，并提供詳細的特征貢獻解釋。

8、根據(jù)本公開實施例的第二個方面，提供了一種基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測系統(tǒng)，包括：

9、特征集構(gòu)建模塊：對現(xiàn)有患者l1-l4椎骨ct影像進行劃分并提取感興趣區(qū)域(region?ofinterest，roi)的ct值，將患者的年齡和性別作為附加臨床特征，與ct值共同構(gòu)成多維度特征集；

10、模型構(gòu)建模塊：基于lightgbm算法構(gòu)建骨質(zhì)疏松預(yù)測模型，利用多維度特征集對骨質(zhì)疏松預(yù)測模型進行訓(xùn)練；所述lightgbm算法通過構(gòu)建多個決策樹，逐步優(yōu)化方式提升模型的預(yù)測性能，在此過程中，lightgbm算法自動調(diào)整決策樹的結(jié)構(gòu)和參數(shù)，以最小化預(yù)測誤差；

11、特征選擇模塊：依據(jù)經(jīng)驗提供預(yù)測骨密度的不同特征選擇方案，輸入至骨質(zhì)疏松預(yù)測模型中，通過該模型的預(yù)測結(jié)果，得到最佳特征選擇方案；

12、貢獻解釋模塊，基于shap分析工具量化特征選擇方案中每個特征對預(yù)測結(jié)果的貢獻，從而揭示哪些特征對預(yù)測結(jié)果起到了關(guān)鍵作用；

13、預(yù)測模塊：獲取新的患者ct值和臨床特征，通過骨質(zhì)疏松預(yù)測模型與shap分析工具，得到骨質(zhì)疏松風(fēng)險的預(yù)測結(jié)果，并提供詳細的特征貢獻解釋。

14、根據(jù)本公開實施例的第三個方面，提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)所述的一種基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測方法。

15、根據(jù)本公開實施例的第四個方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)所述的一種基于患者常規(guī)ct檢查數(shù)據(jù)的可解釋骨質(zhì)疏松預(yù)測方法。

16、本發(fā)明采用的以上技術(shù)方案，與現(xiàn)有技術(shù)相比，具有的優(yōu)點是：本發(fā)明僅通過傳統(tǒng)ct檢查數(shù)據(jù)和患者人口統(tǒng)計學(xué)數(shù)據(jù)即可輔助臨床醫(yī)生對患者進行骨質(zhì)疏松癥的篩查和診斷，降低了患者的就醫(yī)時間和就醫(yī)成本，本發(fā)明對模型產(chǎn)生的預(yù)測結(jié)果進行解釋，可視化結(jié)論解釋圖形使模型預(yù)測結(jié)果更具可信性。