[發明專利]一種人工智能骨齡檢測方法

在審

• 申請號: 201910162445.2
• 申請日: 2019-03-05
• 公開（公告）號: CN109998576A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 楊秀軍;李莉紅;王乾;陳旭
• 申請（專利權）人: 上海市兒童醫院
• 主分類號: A61B6/00
• 分類號: A61B6/00
• 代理公司: 上海世圓知識產權代理有限公司 31320
• 代理人: 陳穎潔;王佳妮

1.一種人工智能骨齡檢測方法，其特征在于，包括如下步驟：

影像獲取步驟，采用X光機拍攝兩個以上相同性別的青少年的手骨影像圖，記錄每一青少年的年齡；

預處理步驟，將每一手骨影像圖分成兩個以上特征區域,從所述特征區域選擇兩個以上有效區域；對每一有效區域進行卷積池化處理，提取每一有效區域的特征數據；所有有效區域的特征數據的集合即為手骨影像圖對應的影像數據；

樣本生成步驟，生成兩個以上數據化樣本，每一數據化樣本包括一青少年的年齡及該青少年的手骨影像被數據化處理后獲得的一組影像數據；

樣本分類步驟，將兩個以上所述數據化樣本分成訓練樣本及測試樣本兩類；

樣本分組步驟，將所述訓練樣本被分成兩個以上組別，同一組別的訓練樣本標識有相同的組別標簽，所述組別標簽代表青少年的年齡；

數據模型構建步驟，利用兩個以上訓練樣本的影像數據及組別標簽構建并訓練初級數據模型；

驗證步驟，根據至少一測試樣本的影像數據對所述初級數據模型進行驗證處理；

數據模型優化步驟，根據驗證的結果構建優化數據模型；

被檢測樣本采集步驟，采集一被檢測樣本，其為一被檢測人的手骨影像的數據化樣本，包括該被檢測人的手骨影像被數據化處理后獲得的一組影像數據；以及

骨齡判斷步驟，將所述待檢測樣本錄入至所述優化數據模型，所述優化數據模型獲取所述待檢測樣本的組別標簽，判斷所述被檢測人的骨齡。

2.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

所述青少年手骨影像包括青少年在手掌平展狀態下的指骨和/或掌骨和/或腕骨的影像；

所述被檢測人手骨影像包括被檢測人在手掌平展狀態下的指骨和/或掌骨和/或腕骨的影像。

3.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

在所述預處理步驟中，包括：

特征篩選步驟，從所述已經劃分好的特征區域選擇17個有效區域；和/或，

每一有效區域包括至少一骨骼連接處影像或至少一骨骼的全部或部分影像。

4.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

所述初級數據模型包括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，底層卷積層包括五層卷積層，底層卷積層后包括第六卷積層，第六卷積層連接兩個卷積分支，通過兩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。

5.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

所述驗證步驟，包括如下步驟：

測試樣本的組別標簽預估步驟，將一測試樣本的一組影像數據與所述初級數據模型相乘，對其乘積進行四舍五入處理，獲取該測試樣本的組別標簽預估值；或者，將一測試樣本的兩組以上質譜數據與所述數據模型相乘，將其乘積按照數值大小排成數列，對其中位值進行四舍五入處理，獲取該測試樣本的組別標簽預估值；以及

測試樣本的組別標簽對比步驟，將該測試樣本的組別標簽預估值與其組別標簽對比，判斷所述初級數據模型的準確率。

6.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

在所述數據模型優化步驟中，

當所述初級數據模型的準確率小于一預設閾值時，

返回所述樣本分組步驟，重新選擇訓練樣本。

7.如權利要求1所述的人工智能骨齡檢測方法，其特征在于，

所述被檢測樣本采集步驟，包括如下步驟：

被檢測影像獲取步驟，采用X光機拍攝一被檢測人的手骨影像圖，該被檢測人的性別與所述青少年的性別相同；

被檢測樣本預處理步驟，對所述手骨影像圖進行數據化處理，獲取一組被檢測影像數據，包括至少一被檢測特征數據；以及

被檢測數據化樣本生成步驟，生成一被檢測數據化樣本，包括所述被檢測影像數據。