[發(fā)明專利]一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的骨齡評測方法、系統(tǒng)、終端及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010512567.2 | 申請日: | 2020-06-08 |
| 公開(公告)號: | CN111882517A | 公開(公告)日: | 2020-11-03 |
| 發(fā)明(設(shè)計)人: | 宮平;尹子昊;俞益洲 | 申請(專利權(quán))人: | 杭州深睿博聯(lián)科技有限公司;北京深睿博聯(lián)科技有限責(zé)任公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/73;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京天方智力知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11719 | 代理人: | 路遠 |
| 地址: | 311121 浙江省杭州市*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 圖卷 神經(jīng)網(wǎng)絡(luò) 評測 方法 系統(tǒng) 終端 存儲 介質(zhì) | ||
本申請所提供的一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的骨齡評測方法、系統(tǒng)、終端及存儲介質(zhì),所述方法包括:獲取手腕骨影像的N個目標骨骺;采用特征提取網(wǎng)絡(luò)模型,提取手腕骨影像的N個目標骨骺及其附近區(qū)域的初始特征X;采用基于圖卷積網(wǎng)絡(luò)的上下文特征融合網(wǎng)絡(luò)模型,將初始特征X和經(jīng)過多層圖卷積后的上下文特征相加,得到最終的融合特征將所述融合特征輸入預(yù)測分布網(wǎng)絡(luò)模型,預(yù)測得到N個目標骨骺的發(fā)育等級分布,并相應(yīng)計算發(fā)育等級期望和方差、發(fā)育分數(shù)期望、骨成熟度總分;利用預(yù)測的發(fā)育等級和計算的骨成熟度總分,根據(jù)骨齡標準計算得到最終骨齡預(yù)測值。本申請通過圖卷積網(wǎng)絡(luò)實現(xiàn)上下文特征融合促進不同局部骨區(qū)域間信息交流,并通過骨成熟度總分損失函數(shù)避免累計骨齡誤差,實現(xiàn)了骨齡評測的精確性和魯棒性。
技術(shù)領(lǐng)域
本申請涉及骨齡評測技術(shù)領(lǐng)域,尤其是涉及一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的骨齡評測方法、系統(tǒng)、終端及存儲介質(zhì)。
背景技術(shù)
骨齡是評價青少年及兒童生物年齡的主要方法,應(yīng)用于臨床醫(yī)學(xué)、法醫(yī)學(xué)和運動學(xué)等領(lǐng)域。計分法骨齡標準(如《中華-05》骨齡標準、TW3骨齡標準)規(guī)定對手腕骨的橈骨、尺骨以及其他短指骨分別進行發(fā)育等級評測。骨齡片拍攝質(zhì)控要求取左手正位,五指舒展,避免關(guān)節(jié)彎曲;拍攝后,分別對每處骨化中心進行發(fā)育等級評分,并將算出相應(yīng)分數(shù)總和,查表得出最終骨齡。需要注意的是,對于每處骨化中心,其成熟等級類別數(shù)存在差異。比如中華05標準中,發(fā)育等級最少的是遠節(jié)指骨,只有11個等級;最多的是橈骨,有15個等級。而且發(fā)育等級與分數(shù)之間不是線性關(guān)系,一般而言,發(fā)育等級越高,相鄰等級對應(yīng)分數(shù)差別越大,醫(yī)生錯判帶來的誤差也會越大。
骨齡評測的第一個難點是非規(guī)范的骨齡拍攝。實際操作中,作為骨齡評測的主要受眾,青少年兒童可能會不配合、不聽從醫(yī)囑,手掌姿勢不合規(guī)范或生長異常,導(dǎo)致對應(yīng)部位的骨骺形態(tài)發(fā)生變化(比如旋轉(zhuǎn)、形變、被遮擋),對精確骨齡評測造成困難。另一個難點是現(xiàn)有標準下內(nèi)生的“等級二義性”。無論是國際TW3標準,還是國內(nèi)CHN05標準,發(fā)育等級都是離散的。但實際上,骨骼發(fā)育具有時間連續(xù)性,其真實發(fā)育程度落在現(xiàn)有標準的兩個離散等級之間,導(dǎo)致醫(yī)生難以準確評判。
對于上述問題,醫(yī)學(xué)專家通常難以直接給該部位的成熟等級給出準確評測,而采取借鑒鄰近部位的骨化中心的生長程度來進行綜合考量,該行為的合理性在于鄰近部位的骨化中心在生長模式上有高度相關(guān)性。
現(xiàn)有技術(shù)中利用機器學(xué)習(xí)進行自動化骨齡評測的技術(shù),如
“基于卷積神經(jīng)網(wǎng)絡(luò)的全自動骨齡評定方法”,通過利用資料庫中的手腕骨X線片進行標準化預(yù)處理,準備訓(xùn)練集;構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò);利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對新的骨齡片進行數(shù)據(jù)處理,得到骨齡評定結(jié)果。再有現(xiàn)有技術(shù)中CN201910231284.8公開的“一種基于概率的骨齡計算方法”,通過獲取深度學(xué)習(xí)模型對左手各個骨頭的分類等級及對應(yīng)的概率的基礎(chǔ)上,選擇可能性最高的2個等級及對應(yīng)的概率,通過歸一化概率與各個骨頭等級對應(yīng)的分值相乘獲得各自的分值,再相加獲得該塊骨頭最終的分值,根據(jù)CHN法分值表查表得到骨齡。
在TW3標準下,在挖掘出目標骨骺區(qū)域后,僅僅根據(jù)單個骨骺的特征對該骨骺進行評級,忽視了其他骨骺區(qū)域的信息,且該方法適用于拍攝效果理想、發(fā)育正常的骨齡影像,對于拍攝手掌姿勢不規(guī)范的而發(fā)生旋轉(zhuǎn)、變形的骨骺,或者出現(xiàn)生長異常的骨骺,必須參考其他骨骺發(fā)育特征,才能對該骨骺進行魯棒的發(fā)育等級評價。因此,現(xiàn)有技術(shù)普遍將骨齡評級處理為簡單的分類或回歸問題,認為骨齡的金標準為單一整數(shù)值,忽視了等級的二義性。因而,現(xiàn)有技術(shù)的缺點為主要是:1)沒有深入考慮某些情況(諸如生長異常或手掌姿勢不規(guī)范)下骨骺形態(tài)特征變化對于評級準確性的影響;2)評級僅根據(jù)單一骨骺區(qū)域的特征,忽視了其他骨骺區(qū)域提供的上下文信息;3)沒有考慮骨齡金標準的內(nèi)生二義性對于骨齡評測模型訓(xùn)練的影響。
因此,亟需一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的骨齡評測方法、系統(tǒng)、終端及存儲介質(zhì),以解決骨齡評測的標注任務(wù)中由于生長異常或手掌姿勢不規(guī)范導(dǎo)致的骨骺形態(tài)發(fā)生變化,以及骨齡評測標準下骨骺發(fā)育程度只能歸類到有限等級上導(dǎo)致標注具有二義性的問題,實現(xiàn)骨齡評測的精確性和魯棒性。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于杭州深睿博聯(lián)科技有限公司;北京深睿博聯(lián)科技有限責(zé)任公司,未經(jīng)杭州深睿博聯(lián)科技有限公司;北京深睿博聯(lián)科技有限責(zé)任公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010512567.2/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種腸胃鏡配套清潔達標圖譜
- 一種混合高低階圖卷積傳播系統(tǒng)
- 基于圖結(jié)構(gòu)矩陣特征向量的圖卷積神經(jīng)網(wǎng)絡(luò)生成方法
- 基于骨骼關(guān)節(jié)點的圖卷積行為識別方法及裝置
- 一種基于網(wǎng)絡(luò)結(jié)構(gòu)增強的圖卷積模型防御方法、裝置和系統(tǒng)
- 一種基于骨架的雙流自適應(yīng)圖卷積網(wǎng)絡(luò)行為識別方法
- 一種基于時空圖卷積網(wǎng)絡(luò)的人臉檢測方法及裝置
- 一種基于權(quán)重不確定的圖卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法、裝置
- 一種基于圖自編碼器的融合子空間聚類方法及系統(tǒng)
- 基于圖卷積神經(jīng)網(wǎng)絡(luò)交互的推薦方法及系統(tǒng)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





