[發(fā)明專利]一種基于深度回歸網(wǎng)絡(luò)的骨齡預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811616211.2
• 申請(qǐng)日: 2018-12-27
• 公開（公告）號(hào): CN109741309B
• 公開（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 宮平;幸子健;尹子昊;李秀麗;俞益洲
• 申請(qǐng)（專利權(quán)）人: 北京深睿博聯(lián)科技有限責(zé)任公司;杭州深睿博聯(lián)科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/04
• 代理公司: 北京知果之信知識(shí)產(chǎn)權(quán)代理有限公司 11541
• 代理人: 唐海力;李志剛

1.一種基于深度回歸網(wǎng)絡(luò)的骨齡預(yù)測(cè)方法，其特征在于，包括：

輸入待處理骨齡片圖像；

根據(jù)關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)，獲取骨骺區(qū)域圖像；以及

將所述骨骺區(qū)域圖像輸入預(yù)設(shè)深度學(xué)習(xí)回歸網(wǎng)絡(luò)，得到骨骺等級(jí)預(yù)測(cè)結(jié)果，計(jì)算出對(duì)應(yīng)的骨齡；

所述根據(jù)關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)，獲取骨骺區(qū)域圖像包括：獲取多個(gè)骨骺區(qū)域，對(duì)于每個(gè)骨骺區(qū)域，獲取一個(gè)關(guān)鍵點(diǎn)，根據(jù)獲取的一個(gè)關(guān)鍵點(diǎn)初步確定出骨骺區(qū)域；

所述預(yù)設(shè)深度學(xué)習(xí)回歸網(wǎng)絡(luò)包括：根據(jù)各個(gè)骨骺有不同的生長發(fā)育特征，為每種骨骺分別采用了獨(dú)立的分支網(wǎng)絡(luò)建立的預(yù)設(shè)深度學(xué)習(xí)回歸網(wǎng)絡(luò)；

所述根據(jù)關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)，獲取骨骺區(qū)域圖像時(shí)包括：關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)分為三部分：全局關(guān)鍵點(diǎn)提取網(wǎng)絡(luò)、關(guān)鍵點(diǎn)細(xì)節(jié)精修網(wǎng)絡(luò)和部分相似場(chǎng)約束網(wǎng)絡(luò)；全局關(guān)鍵點(diǎn)提取網(wǎng)絡(luò)采用特征金字塔結(jié)構(gòu)，將全局上下文信息有效的融入每個(gè)骨骺關(guān)鍵點(diǎn)的預(yù)測(cè)；關(guān)鍵點(diǎn)細(xì)節(jié)精修網(wǎng)絡(luò)對(duì)全局網(wǎng)絡(luò)的輸出關(guān)鍵點(diǎn)位置做進(jìn)一步精細(xì)調(diào)整；部分相似場(chǎng)約束網(wǎng)絡(luò)是一個(gè)基于多尺度特征的部分相似場(chǎng)的分支，同時(shí)施加了點(diǎn)點(diǎn)之間連線的約束；通過全局關(guān)鍵點(diǎn)提取網(wǎng)絡(luò)、關(guān)鍵點(diǎn)細(xì)節(jié)精修網(wǎng)絡(luò)以及部分相似場(chǎng)約束網(wǎng)絡(luò)來獲取具有手部全局上下文信息的骨骺關(guān)鍵點(diǎn)和骨骺細(xì)節(jié)的骨骺關(guān)鍵點(diǎn)。

2.根據(jù)權(quán)利要求1所述的骨齡預(yù)測(cè)方法，其特征在于，根據(jù)關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)，獲取骨骺區(qū)域圖像時(shí)包括如下的任一一種或多種執(zhí)行步驟：

獲取圖像灰階直方圖，并調(diào)整圖像窗寬窗位；

獲取手部朝向，并將圖片中手部朝向調(diào)整為向上；

判斷手部姿態(tài)是否正常以及是左手或右手。

3.根據(jù)權(quán)利要求1所述的骨齡預(yù)測(cè)方法，其特征在于，根據(jù)關(guān)鍵點(diǎn)檢測(cè)深度卷積網(wǎng)絡(luò)，獲取骨骺區(qū)域圖像包括：

獲取多個(gè)骨骺區(qū)域；

對(duì)每個(gè)所述骨骺區(qū)域獲取至少一個(gè)關(guān)鍵點(diǎn)。

4.根據(jù)權(quán)利要求3所述的骨齡預(yù)測(cè)方法，其特征在于，對(duì)每個(gè)所述骨骺區(qū)域獲取至少一個(gè)關(guān)鍵點(diǎn)之后還包括：

根據(jù)骨骺中心點(diǎn)和骨骺方向的包圍框按照不同尺度縮放，獲取多個(gè)同中心點(diǎn)、同朝向的包圍框；

根據(jù)所述多個(gè)同中心點(diǎn)、同朝向的包圍框提取多尺度骨骺感興趣區(qū)域。

5.根據(jù)權(quán)利要求1所述的骨齡預(yù)測(cè)方法，其特征在于，將所述骨骺區(qū)域圖像輸入預(yù)設(shè)深度學(xué)習(xí)回歸網(wǎng)絡(luò)，得到骨骺等級(jí)預(yù)測(cè)結(jié)果包括：

采用預(yù)訓(xùn)練的深度卷積網(wǎng)絡(luò)提取骨骺區(qū)域中的圖像特征；

根據(jù)所述圖像特征采用回歸分支網(wǎng)絡(luò)將骨骺等級(jí)分類，并分別回歸得到各自的骨骺發(fā)育等級(jí)。

6.根據(jù)權(quán)利要求5所述的骨齡預(yù)測(cè)方法，其特征在于，所述回歸分支網(wǎng)絡(luò)還包括：在使用骨齡隨訪數(shù)據(jù)訓(xùn)練所述回歸分支網(wǎng)絡(luò)時(shí)，激活Margin Ranking Loss。

7.根據(jù)權(quán)利要求1所述的骨齡預(yù)測(cè)方法，其特征在于，預(yù)設(shè)深度卷積網(wǎng)絡(luò)可以是但不限于：VGG Net、ResNet、ResNext、DenseNet或SqueezeNet、MobileNet。