[發明專利]基于深度學習的多個異構模型相互組合的骨齡預測方法

有效

• 申請號: 202110015454.6
• 申請日: 2021-01-05
• 公開（公告）號: CN112785559B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 高紹兵;楊睿;譚敏潔;彭艦
• 申請（專利權）人: 四川大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H50/20;G06N3/04;G06N3/08
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種基于深度學習的多個異構模型相互組合的骨齡預測方法，包括以下步驟：

S1、將訓練集的手骨的CT圖像加上性別標簽輸入至InceptionResNetV2網絡進行訓練，得到第一模型；

S2、將訓練集的手骨圖像進行數據均衡化操作，然后將得到的手骨的CT圖像加上性別標簽輸入InceptionResNetV2網絡進行訓練，得到第二模型；

S3、分別制作用于識別中指和手腕部分的數據集，然后分別將其輸入yolov3網絡，得到一個用于識別中指和一個用于識別手腕的yolov3模型，然后將訓練集中的手骨CT圖像通過這兩個模型，得到中指和手腕數據集；

S4、將步驟S3中所獲得的中指數據集和手腕數據集加上性別標簽輸入InceptionV3網絡進行訓練，得到第三模型和第四模型；

S5、將四個模型對訓練集進行測試，并保存預測值；將四個模型的預測值和真實骨齡值保存為一個文檔，然后分別根據各個模型預測值的大小進行分組，對每一組都訓練一個權重矩陣；

具體分步驟是：

S51、用得到的四個模型對訓練集進行測試，結果分別保存為一列，最后一列存入訓練集對應的真實骨齡，保存為txt文檔；

S52、分別根據每個模型的預測值對txt文檔進行分組，分組的標準為預測值的大小；

S53、對每一種不同的分組，都對其每一組通過梯度下降訓練一個權重矩陣，具體為：

將根據第一模型預測值分組的每一組得到的權重矩陣組合起來成為一個權重矩陣，記作W₁；

將根據第二模型預測值分組的每一組得到的權重矩陣組合起來成為一個權重矩陣，記作W₂；

將根據第三模型預測值分組的每一組得到的權重矩陣組合起來成為一個權重矩陣，記作W₃；

將根據第四模型預測值分組的每一組得到的權重矩陣組合起來成為一個權重矩陣，記作W₄；

S6、將手骨的CT圖像通過四個模型得到的預測值和數字1組成矩陣，然后分別根據每個模型的預測值所屬的范圍乘以其對應權重矩陣，將得到的四個值相加并求平均值得到最終的骨齡預測值。

2.根據權利要求1所述的基于深度學習的多個異構模型相互組合的骨齡預測方法，其特征在于，所述步驟S2數據均衡化操作的具體實現方法為：將骨齡數據集按照骨齡的大小分為若干組，然后每組有放回的隨機抽取圖像，在抽取時考慮到性別因素，使最終圖像的男女比例和之前數據集的男女比例相同。

3.根據權利要求2所述的基于深度學習的多個異構模型相互組合的骨齡預測方法，其特征在于，所述步驟S5中得到權重矩陣的方法為：采用梯度下降來訓練權重矩陣，

把假設函數定義為一次方程式，具體如下：

y＝ax₁+bx₂+cx₃+dx₄+bias

其中，y表示手骨CT圖像所對應的真實骨齡，x₁,x₂,x₃,x₄分別表示第一模型，第二模、第三模型、第四模型的預測值，a,b,c,d,bais分別代表每個預測值的權重以及偏置。

4.根據權利要求3所述的基于深度學習的多個異構模型相互組合的骨齡預測方法，其特征在于，步驟S6具體包括如下分步驟：通過選擇對應的權重矩陣并與之相乘，以此來優化四個異構模型的預測值；

其中，Y是指模型的預測值，m指的是異構模型的數量，X^T指的是m個異構模型的預測值的向量，X具體為[預測值1，預測值2，預測值3，預測值4，1]，d_j指的是基于模型選擇的n×n大小的單位矩陣中的一行，n代表所要劃分組的數量。