[發(fā)明專利]自動骨齡預測方法、系統(tǒng)、計算機設備和存儲介質

有效

• 申請?zhí)枺?/td>: 201810561528.4
• 申請日: 2018-06-04
• 公開（公告）號: CN109215013B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設計）人: 高良心;劉莉紅;吳天博;王健宗;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40;G06T7/10
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 沈克琪

1.一種自動骨齡預測方法，其特征在于，包括如下步驟：

S1，采集左手X射線片圖像；

S2，將采集到的左手X射線片圖像進行手部分割，以去除手部以外部分的干擾，對分割后的圖像進行擺正縮放到預設大小和位置，對擺正縮放后的圖像進行自適應均衡處理后，將圖像輸入到骨齡預測網絡結構中，得到骨齡預測值，所述骨齡預測網絡結構是基于VGG網絡結構的深度學習網絡；

S3，重復步驟S2進行骨齡訓練，直到骨齡訓練得到的骨齡預測值滿足預設誤差范圍后，停止骨齡訓練階段，進入骨齡預測階段，將步驟2)得到的骨齡預測值輸出；

所述S2包括如下步驟：

S201，使用U-net網絡結構對采集到的左手X射線片圖像進行手部分割，去除手部以外部分的干擾；

S202，手部分割完成后，使用關鍵點偵測網絡結構對手部進行探測，得到三個偵測點，三個偵測點分別為中指指尖偵測點、大拇指指尖偵測點、腕骨中心點；

S203，依據得到的三個偵測點，將左手X射線片圖像擺正縮放到512*512大小的圖片中，擺正時中指指尖偵測點位于上邊緣水平位置中點向下40像素處，大拇指指尖偵測點用于鏡像翻轉，確保大拇指指尖偵測點位于圖片右側，腕骨中心點在下邊緣水平位置中點向上190像素處；

S204，對擺正縮放后的圖像進行限制對比度的自適應直方圖均衡化；

S205，通過骨齡預測網絡結構對自適應直方圖均衡化后的圖像進行骨齡預測，得到骨齡預測值。

2.根據權利要求1所述的自動骨齡預測方法，其特征在于，所述S1采集的左手X射線片圖像是左手腕部正位X射線片，所述左手X射線片圖像包括距離橈骨和尺骨2cm-3cm的骨干，及手部關節(jié)的多塊骨，所述左手X射線片圖像的管片距為70cm-90cm。

3.根據權利要求1所述的自動骨齡預測方法，其特征在于，所述關鍵點偵測網絡結構為：先將三個卷積核層數分別為64、128、256的VGG模塊依次連接，然后接一個Dropout層，再接兩層各包含512個神經元的全連接層，且兩層全連接層均連接一個ELU激活函數，兩層512個神經元的全連接層之間設另一Dropout層，最后一層為包含6個神經元的全連接層，最后將6個數值輸出，分別對應三個偵測點的橫縱坐標值；

所述骨齡預測網絡結構為：先將六個卷積核層數分別為32、64、128、128、256、3846的VGG模塊依次連接，然后接一個Dropout層，再接兩層各包含2048個神經元的全連接層，兩層全連接層均連接一個ELU激活函數，兩層2048個神經元的全連接層之間設另一Dropout層，最后一層為單神經元的輸出層，得到預測值。

4.根據權利要求1所述的自動骨齡預測方法，其特征在于，在骨齡訓練階段，對U-net網絡結構進行訓練，訓練時的損失函數如下：

L用于表示損失函數，y_i表示每個像素的預測值，表示每個像素的真實值，取值為0或1，表示該像素是否在前景，n用于表示骨齡訓練階段的圖片總數量；

用于U-net網絡結構訓練的數據為標注的100張圖片，標注的工具為在線的圖像分割標注工具，標注的內容為手部，并采用旋轉、縮放或平移來增加訓練數據。

5.根據權利要求1所述的自動骨齡預測方法，其特征在于，在骨齡訓練階段，對關鍵點偵測網絡結構進行訓練，訓練時的損失函數采用均方差損失函數：

其中，y_i表示預測的坐標值，為真實的坐標值，n用于表示骨齡訓練階段的圖片總數量；

通過不斷縮小損失函數，讓預測位置與真實位置的差距越來越小，讓關鍵點偵測網絡學習到三個偵測點的具體位置，訓練數據為三個偵測點對應的坐標，每張圖片共有6個數據，分別為三個偵測點的橫縱坐標值，并采用到了旋轉、縮放或平移來增加數據量。