[發(fā)明專利]一種弱監(jiān)督深度學習自動骨齡評估方法在審
| 申請?zhí)枺?/td> | 202010634057.2 | 申請日： | 2020-07-04 |
| 公開（公告）號： | CN111920430A | 公開（公告）日： | 2020-11-13 |
| 發(fā)明（設計）人： | 吳健;陳晉泰 | 申請（專利權(quán)）人： | 浙江大學山東工業(yè)技術研究院 |
| 主分類號： | A61B6/00 | 分類號： | A61B6/00 |
| 代理公司： | 浙江杭州金通專利事務所有限公司 33100 | 代理人： | 徐關壽 |
| 地址： | 277000 山東*** | 國省代碼： | 山東;37 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 監(jiān)督 深度 學習 自動 評估 方法 | ||
1.一種弱監(jiān)督深度學習自動骨齡評估方法，執(zhí)行以下操作：1、建立數(shù)據(jù)集：以手部X光片為圖像數(shù)據(jù)，對每張X光片標注骨齡生理解剖學關鍵點；2、構(gòu)建和訓練神經(jīng)網(wǎng)絡模型，神經(jīng)網(wǎng)絡模型包括Faster R-CNN模型和U-net模型，F(xiàn)aster R-CNN模型提取手掌骨骼區(qū)域和關節(jié)區(qū)域，關節(jié)區(qū)域包括手指的指骨關節(jié)和肘關節(jié)，共16個關節(jié)區(qū)域；U-net模型提取手掌骨骼區(qū)域的手部特征和手指區(qū)域的關鍵點特征，3、對16個關鍵點特征加一維卷積，獲得16個關鍵點的打分結(jié)果預測值；4、將所有關鍵點的打分結(jié)果預測值求和，以和值作為骨齡預測值。
2.權(quán)利要求1所述的利用Faster RCNN檢測方法進行手部檢測和手部關鍵點檢測，其特征在于，步驟2）中，利用COCO預訓練過的Faster R-CNN模型進行手部檢測和手部關鍵點檢測，專家醫(yī)生標注的關鍵點利用L1損失函數(shù)進行骨齡關鍵點預測。
3.權(quán)利要求1所述的利用U-net模型提取手部特征的提取和關鍵點所在位置的特征的提取，其特征在于，步驟3）中，利用U-net進行多尺度特征的提取；在提取到的特征圖上，利用關鍵點檢測到的特征所在位置對應的的特征圖位置上的特征作為該關鍵點的特征。
4.權(quán)利要求1所述的利用卷積進行關鍵點的特征更新，并最終將特征降維到一維特征作為關鍵點打分結(jié)果的預測值，其特征在于，步驟4）中的降維是利用1×1卷積得到的，且最終結(jié)果并無直接的標注作為優(yōu)化引導。
5.權(quán)利要求1所述的將關鍵點打分結(jié)果相加作為骨齡預測值，特征在于，步驟5）中的骨齡預測值是利用L1損失函數(shù)引導骨齡預測。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江大學山東工業(yè)技術研究院，未經(jīng)浙江大學山東工業(yè)技術研究院許可，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)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010634057.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇：錦鯉成長魚糧
- 下一篇：一種從發(fā)酵液中提取紐莫康定B0的方法與應用
