[發明專利]一種骨齡識別方法、系統及電子設備

有效

• 申請號: 201711125692.2
• 申請日: 2017-11-14
• 公開（公告）號: CN107895367B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 王書強;王永燦;胡勇;曹松
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06K9/62;A61B6/00
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 趙勍毅

1.一種骨齡識別方法，其特征在于，包括：

步驟a：將骨骼圖像輸入目標骨骼位置檢測模型，通過所述目標骨骼位置檢測模型檢測骨骼圖像中目標骨骼的位置坐標；

步驟b：根據所述目標骨骼的位置坐標剪切出目標骨骼圖片；

步驟c：將所述目標骨骼圖片輸入骨骼階段分類模型進行骨齡識別；

所述步驟a前還包括：在采集的骨骼圖像中標記出目標骨骼區域，得到目標骨骼位置檢測數據集；并構建目標骨骼區域檢測模型，通過所述目標骨骼位置檢測數據集中的骨骼圖像對目標骨骼位置檢測模型進行訓練；

所述目標骨骼區域檢測模型包括RPN網絡與Fast R-CNN網絡，所述RPN網絡與Fast R-CNN網絡共享底層卷積層，底層卷積層包括5層卷積層，底層卷積層后包括第六卷積層，第六卷積層連接2個卷積分支，通過2個卷積分支分別輸出初始區域分類得分與邊界框，構成RPN網絡，通過RPN網絡提取目標骨骼的初始興趣區域；所述底層卷積層通過ROI池化層連接第一全連接層和第二全連接層，所述第一全連接層和第二全連接層根據所述初始興趣區域分別輸出分類得分與邊界框位置坐標；

在所述步驟c中，所述將所述目標骨骼圖片輸入骨骼階段分類模型進行骨齡識別還包括：根據骨骼成熟度評定標準標記出目標骨骼圖片對應的骨齡標簽，得到骨齡階段分類數據集，并構建骨骼階段分類模型，通過所述骨齡階段分類數據集對構建骨骼階段分類模型進行訓練。

2.根據權利要求1所述的骨齡識別方法，其特征在于，所述步驟a前還包括：采集骨骼圖像；所述骨骼圖像為X光圖片。

3.根據權利要求2所述的骨齡識別方法，其特征在于，所述通過骨齡階段分類數據集對構建骨骼階段分類模型進行訓練具體包括：

步驟c1：初始化骨齡階段分類模型參數；

步驟c2：對目標骨骼圖片進行卷積池化處理，提取目標骨骼圖片的特征信息；

步驟c3：對提取的尺骨圖片和/或橈骨圖片的特征信息進行運算，得到各類概率，并輸出目標骨骼圖片對應的骨齡預測值；

步驟c4：根據輸出的骨齡預測值與所述骨齡標簽間的誤差構成損失函數，并判斷損失函數是否滿足最小值，如果不滿足最小值，運用反向傳播算法調整網絡參數；如果滿足最小值，保存網絡參數。

4.一種骨齡識別系統，其特征在于，包括：

位置檢測模塊：用于將骨骼圖像輸入目標骨骼位置檢測模型，通過所述目標骨骼位置檢測模型檢測骨骼圖像中目標骨骼的位置坐標；

圖片剪切模塊：用于根據所述目標骨骼的位置坐標剪切出目標骨骼圖片；

骨齡識別模塊：用于將所述目標骨骼圖片輸入骨骼階段分類模型進行骨齡識別；

所述系統還包括：

區域標記模塊：用于在采集的骨骼圖像中標記出目標骨骼區域，得到目標骨骼位置檢測數據集；

第一模型構建模塊：用于構建目標骨骼區域檢測模型，通過所述目標骨骼位置檢測數據集中的骨骼圖像對目標骨骼位置檢測模型進行訓練；

所述目標骨骼區域檢測模型包括RPN網絡與Fast R-CNN網絡，所述RPN網絡與Fast R-CNN網絡共享底層卷積層，底層卷積層包括5層卷積層，底層卷積層后包括第六卷積層，第六卷積層連接2個卷積分支，通過2個卷積分支分別輸出初始區域分類得分與邊界框，構成RPN網絡，通過RPN網絡提取目標骨骼的初始興趣區域；所述底層卷積層通過ROI池化層連接第一全連接層和第二全連接層，所述第一全連接層和第二全連接層根據所述初始興趣區域分別輸出分類得分與邊界框位置坐標；

所述系統還包括：

骨齡標記模塊：用于根據骨骼成熟度評定標準標記出目標骨骼圖片對應的骨齡標簽，得到骨齡階段分類數據集；

第二模型構建模塊：用于構建骨骼階段分類模型，通過所述骨齡階段分類數據集對構建骨骼階段分類模型進行訓練。

5.根據權利要求4所述的骨齡識別系統，其特征在于，還包括圖像采集模塊，所述圖像采集模塊用于采集骨骼圖像；所述骨骼圖像為X光圖片。