[發(fā)明專利]基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210527370.5
• 申請(qǐng)日: 2022-05-16
• 公開（公告）號(hào): CN115171874A
• 公開（公告）日: 2022-10-11
• 發(fā)明（設(shè)計(jì)）人: 周東;江翔;張偉麗
• 申請(qǐng)（專利權(quán)）人: 杭州數(shù)智萊達(dá)科技有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06T7/00;G06V10/764;G06V10/762;G06V10/774
• 代理公司: 浙江永鼎律師事務(wù)所 33233
• 代理人: 周希良

1.基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法，其特征在于，包括如下步驟：

S1，獲取圖像數(shù)據(jù)集，將圖像數(shù)據(jù)集分為源域和目標(biāo)域并進(jìn)行預(yù)處理，同時(shí)構(gòu)建評(píng)估模型；

S2，通過聚類方式獲取圖像數(shù)據(jù)集中目標(biāo)域的偽標(biāo)簽；

S3，按類從圖像數(shù)據(jù)集的源域和目標(biāo)域中，選取樣本并確定樣本順序；

S4，對(duì)選取的樣本進(jìn)行聯(lián)合域?qū)R與判別處理，并更新評(píng)估模型參數(shù)；

S5，利用更新后的評(píng)估模型進(jìn)行骨齡評(píng)估。

2.根據(jù)權(quán)利要求1所述的基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法，其特征在于，步驟S1中所述預(yù)處理包括：

數(shù)據(jù)增強(qiáng)：

對(duì)圖像數(shù)據(jù)進(jìn)行-45°到+45°隨機(jī)旋轉(zhuǎn)、隨機(jī)水平翻轉(zhuǎn)、隨機(jī)挖取并縮放到(256，256)；

數(shù)據(jù)標(biāo)準(zhǔn)化：

將圖像數(shù)據(jù)分布滿足標(biāo)準(zhǔn)正態(tài)分布，再將圖像數(shù)據(jù)統(tǒng)一縮放到(224，224)。

3.根據(jù)權(quán)利要求1所述的基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法，其特征在于，步驟S1中所述構(gòu)建評(píng)估模型包括如下步驟：

S11，采用去掉頂層的ResNet-50網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò)；

S12，采用輸入為2048維，輸出為216維的全連接層、BN層和ReLu層，構(gòu)建基于“月”的分類器；

S13，采用輸入為216維，輸出為18維的全連接層，構(gòu)建基于“年”的分類器，用于聚類；

其中，特征提取網(wǎng)絡(luò)和分類器中的所有BN層均復(fù)制為兩層，用于分別保存源域和目標(biāo)域參數(shù)，且每次訓(xùn)練只連通一層BN層。

4.根據(jù)權(quán)利要求3所述的基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法，其特征在于，步驟S2包括如下步驟：

S21，通過特征提取網(wǎng)絡(luò)分別獲取源域特征f_s和目標(biāo)域特征f_t；

S22，通過源域特征f_s獲取源域C₂個(gè)聚類中心；

S23，計(jì)算目標(biāo)域特征f_t各點(diǎn)到C₂個(gè)聚類中心的余弦距離，并將對(duì)應(yīng)點(diǎn)劃分到距離最近的類，獲取目標(biāo)域偽標(biāo)簽，并更新聚類中心；

S24，重復(fù)步驟S23直至當(dāng)前聚類中心與上一個(gè)聚類中心的歐式距離小于設(shè)定的超參數(shù)e1。

5.根據(jù)權(quán)利要求4所述的基于聯(lián)合域?qū)R與判別的骨齡評(píng)估方法，其特征在于，步驟S3包括如下步驟：

S31，目標(biāo)域樣本聚類后，丟棄遠(yuǎn)離聚類中心和在聚類中心周圍但數(shù)量不滿足預(yù)定數(shù)量的樣本；

S32，排除源域或目標(biāo)域中樣本數(shù)量不滿足最小樣本數(shù)的類；

S33，單次隨機(jī)選取剩余類中的m(m≤C₂)類，每類分別從源域和目標(biāo)域中隨機(jī)選取n個(gè)樣本，獲得源域m×n個(gè)樣本和目標(biāo)域m×n個(gè)樣本。