[發明專利]一種基于深度回歸網絡的骨齡預測方法及裝置

有效

• 申請號: 201811616211.2
• 申請日: 2018-12-27
• 公開（公告）號: CN109741309B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 宮平;幸子健;尹子昊;李秀麗;俞益洲
• 申請（專利權）人: 北京深睿博聯科技有限責任公司;杭州深睿博聯科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

本申請公開了一種基于深度回歸網絡的骨齡預測方法及裝置。該方法包括輸入待處理骨齡片圖像；根據多級關鍵點檢測深度卷積網絡，獲取骨骺區域圖像；以及將所述骨骺區域圖像輸入預設深度學習回歸網絡，得到骨骺等級預測結果，計算出對應的骨齡。本申請解決了骨齡預測方法效果較差的技術問題。通過本申請不需要鏈接骨骺等級標注數據庫而直接輸出骨骺等級預測結果，并且可準確預測出骨齡。本申請于基于多級關鍵點檢測得到的骨骺區域作為輸入，經過卷積網絡后通過多分支深度回歸網絡輸出骨骺等級預測結果，獲得的預測效果較佳。

技術領域

本申請涉及醫療、計算機圖像處理領域，具體而言，涉及一種基于深度回歸網絡的骨齡預測方法及裝置。

背景技術

骨齡是評價青少年兒童生物年齡的主要方法。骨的發育貫穿全部生長發育期，在發育過程中所有個體的骨組織都由軟骨逐漸固化成骨。不同骨或不同個體間由軟骨模型骨化開始到成年形態的漸進過程的速度不同，為骨成熟度評價提供了基礎。由于手腕部包含多種類型的眾多骨化中心，反映了全身骨發育狀況，而且易于攝片，X線照射劑量很小，所以手腕部骨齡得到了最為廣泛的應用。

骨齡預測的一種實現方法中要求對橈骨、尺骨、掌指骨和腕骨進行發育等級評價。發明人發現，由于各塊骨骺的發育過程均有差異，并且考慮生理性變異、拍攝姿勢不規范等因素，骨齡等級的判斷難度較大。

針對相關技術中骨齡預測方法效果較差的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種基于深度回歸網絡的骨齡預測方法及裝置，以解決骨齡預測方法效果較差的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種骨齡預測方法。

根據本申請的骨齡預測方法包括：輸入待處理骨齡片圖像；根據關鍵點檢測深度卷積網絡，獲取骨骺區域圖像；以及將所述骨骺區域圖像輸入預設深度學習回歸網絡，得到骨骺等級預測結果，計算出對應的骨齡。

進一步地，根據關鍵點檢測深度卷積網絡，獲取骨骺區域圖像時包括如下的任一一種或多種執行步驟：獲取圖像灰階直方圖，并調整圖像窗寬窗位；獲取手部朝向，并將圖片中手部朝向調整為向上；獲取具有手部全局上下文信息的骨骺關鍵點和骨骺細節的骨骺關鍵點；判斷手部姿態是否正常以及是左手或右手。

進一步地，根據關鍵點檢測深度卷積網絡，獲取骨骺區域圖像包括：獲取多個骨骺區域；對每個所述骨骺區域獲取至少一個關鍵點。

進一步地，對每個所述骨骺區域獲取至少一個關鍵點之后還包括：根據骨骺中心點和骨骺方向的包圍框按照不同尺度縮放，獲取多個同中心點、同朝向的包圍框；根據所述多個同中心點、同朝向的包圍框提取多尺度骨骺感興趣區域。

進一步地，將所述多尺度骨骺區域圖像輸入預設深度學習回歸網絡，得到骨骺等級預測結果包括：采用預訓練的深度卷積網絡提取骨骺區域中的圖像特征；根據所述圖像特征采用回歸分支網絡將骨骺等級分類，并分別回歸得到各自的骨骺發育等級。

進一步地，所述回歸分支網絡還包括：在使用骨齡隨訪數據訓練所述回歸分支網絡時，激活Margin Ranking Loss。

進一步地，預設深度卷積網絡包括：VGG Net、ResNet、ResNext或DenseNet。

為了實現上述目的，根據本申請的另一方面，提供了一種骨齡預測裝置。

根據本申請的骨齡預測裝置包括：輸入模塊，用于輸入待處理骨齡片圖像；關鍵點檢測模塊，用于根據預設關鍵點檢測網絡，獲取骨骺區域圖像；以及預測模塊，用于將所述骨骺區域圖像輸入預設深度學習回歸網絡，得到骨骺等級預測結果，計算出對應的骨齡。

為了實現上述目的，根據本申請的再一方面，提供了非暫態計算機可讀存儲介質，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行所述的骨齡預測方法。