[發明專利]一種基于視覺模型的骨齡預測方法及裝置

有效

• 申請號: 202010114863.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111325734B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 江翔;何必仕;陳暉;徐哲
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/136;G06V10/80;G06V10/54;G06V10/44;G06V10/42;G06V10/46;G06V10/764;G06V10/77
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.一種基于視覺模型的骨齡預測方法，其特征在于：輸入骨齡X光圖像；根據RUS骨塊定位模型，確定RUS骨塊的粗輪廓；根據自適應手骨分割模型，確定RUS骨塊的細輪廓；根據RUS骨塊形狀-紋理特征提取模型，獲取RUS骨塊形狀-紋理特征參數；以及根據支持向量回歸模型，計算得到RUS骨塊分項骨齡和個體綜合骨齡，具體包含如下步驟：

S10、輸入骨齡X光圖像，根據RUS骨塊定位模型，確定RUS骨塊的粗輪廓，包含如下步驟：

S101、判斷是否是“左利手”以及手部擺姿是否標準，包括左手掌朝下，五指自然伸直，手腕中軸線與畫幅橫軸近似垂直；

S102、通過圖像平滑、閾值化、腐蝕操作得到手部輪廓圖像；

S103、獲取手部輪廓圖像上具有全局上下文信息的關鍵點，包括9個手掌峰谷點以及2個手腕部的關鍵點；

S104、根據手部輪廓上的若干關鍵點將手部分割為指骨區域、掌骨區域、腕骨區域和橈尺骨區域；

S105、根據9個手掌峰谷點分離出5個手指骨區域，再按照長度比例分割成近端、中端、遠端指骨區域，得到指骨粗輪廓；同時聯合手腕部2個關鍵點分離出單個掌骨粗輪廓以及橈、尺骨粗輪廓；

S20、根據訓練好的自適應手骨分割模型，確定RUS骨塊的細輪廓，包含如下步驟S201～S203：

S201、先按照自適應手骨分割模型的分層搜索原理對待測圖像進行降采樣，然后在上一步得到的RUS骨塊粗輪廓上執行邊界搜索算法；

S202、以模型基準輪廓點周圍m×m的Patch作為匹配的基本單位，設置每層迭代次數，將所有與輪廓點對應的單位Patch像素點連接成新的灰度梯度向量，并計算與模型標準灰度梯度向量的夾角；

S203、通過不斷調整輪廓點的位置，使得梯度向量的夾角朝著全局最優的方向進行，直到完成所有預定圖層的搜索，此時模型的基準輪廓點將收斂至RUS骨塊的細輪廓；

S30、根據RUS骨塊形狀-紋理特征提取模型，獲取RUS骨塊形狀-紋理特征參數，包含如下步驟S301～S303：

S301、將由RUS骨塊細輪廓點的坐標組成的向量，與訓練好的形狀主元提取矩陣相乘后，獲得RUS骨塊形狀特征參數；

S302、根據預設的圖像特征描述子提取對應的局部紋理，并與訓練好地紋理主元提取矩陣相乘后，獲得RUS骨塊紋理特征參數；

S303、將獲得的RUS骨塊形狀、紋理特征參數進行融合，得到一維的形狀-紋理特征參數向量，作為回歸模型預測的輸入；

S40、根據支持向量回歸模型，計算RUS骨塊分項骨齡和個體綜合骨齡，包含如下步驟S401～S403：

S401、將獲得的若干個RUS骨塊特征參數向量分別輸入到相應的訓練好的支持向量回歸預測模型中，得到RUS分項骨齡；

S402、根據回歸誤差的高斯分布規律，將預測誤差大于3σ的分項骨齡予以剔除，計算余下分項骨齡的均值；

S403、將分項骨齡均值作為個體的綜合骨齡，并根據置信度計算相應的置信區間。

2.根據權利要求1所述的一種基于視覺模型的骨齡預測方法，其特征在于：

所述自適應手骨分割模型的訓練包含如下執行步驟S2001～S2004：

S2001、收集公開的骨齡X光圖像數據集，將其按照年齡段和性別分成若干組，記作M_S1，M_S2，…，F_S1，F_S2，…，組成若干訓練集；

S2002、在每組訓練集上，獲取RUS骨塊上的若干個輪廓點，經過旋轉、平移之后得到位于同一基準下的輪廓點集合，計算訓練集中所有輪廓點集合的均值，將其作為所述RUS骨塊的基準輪廓點；

S2003、在每個RUS骨塊所在的圖像上，找出所獲取輪廓點的局部特征；具體為將每個RUS骨塊輪廓點的周圍區域劃分為m*m的單位Patch，計算每個Patch內的像素點灰度梯度，接著將所有Patch連接成灰度梯度向量，計算若干個灰度梯度向量投影到主方向上的向量，作為模型標準灰度梯度向量；

S2004、根據預設降采樣因子，分別對模型的基準輪廓點坐標和標準灰度梯度向量進行縮放，保存下來供模型分層搜索時使用。