骨龄评估方法技术

本发明专利技术公开了骨龄评估方法，其特征在于，包括步骤：A、采集多个目标骨骼部位的X光图片，并根据年龄段分级；B、对每一级中的多个X光图片进行特征提取；利用方向梯度直方图特征方法将每一级的所述X光图片转为数据，建立数学模型；C、利用支持向量机分类算法将需评估骨龄的X光图片分入以上的级别中。本发明专利技术中的骨龄评估方法，将图像处理技术和计算机视觉技术结合，通过交互或自动的方法实现了骨骼成熟度判定方法。

【技术实现步骤摘要】

本专利技术涉及骨龄评估方法。
技术介绍
国内外普遍认为，按骨龄判定发育个体的成熟程度是一种行之有效的方法，可以较全面地反映机体生理状态，它在很大程度上代表着生物学发育年龄。骨骼发育成熟度表示了以某一年龄为特点的儿童生长发育的水平，是评价个体生长发育最为可靠的指标。当前，骨龄研究者一般采用拍摄躯体单一关节(如腕关节)或躯体各大关节(肩、肘、腕、髋、膝、踝关节等)X线片的方法进行骨骼成熟度评价。概括起来，目前应用于骨龄推断的方法有图谱法、计分法、计测法以及数学模型法等。传统的骨龄评估方法是通过专家阅片结果与标准图谱进行比对或者根据骨骺发育程度进行赋分来完成的，但分值的主观性较强，不利于骨龄的客观评价。而且由于要对多关节部位的骨骼进行比照或评分，人工处理所需时间较长，对评分人的专业知识要求较高。因此，通过人工读片或多或少地存在一些读片误差，这些误差会对骨龄评估结果产生“偏大”或“偏小”的影响。
技术实现思路
本专利技术的目的之一是为了克服现有技术中的不足，提供一种可降低人为因素干扰的骨龄评估方法。为实现以上目的，本专利技术通过以下技术方案实现：骨龄评估方法，其特征在于，包括步骤：A、采集多个目标骨骼部位的X光图片，并根据年龄段分级；B、对每一级中的多个X光图片进行特征提取；利用方向梯度直方图特征方法将每一级的所述X光图片转为数据，建立数学模型；C、利用支持向量机分类算法将需评估骨龄的X光图片分入以上的级别中。优选地是，所述的步骤A中，目标骨骼部位包括肩关节、肘关节、腕关节、髋关节、膝关节、踝关节及胸锁关节中的一个或多个的骨骺部位。优选地是，所述的步骤A中，目标骨骼部位包括尺骨远端骨骺、桡骨远端骨骺中的一个或两个。优选地是，将所述图像分割为多个单元格cell；将多个单元格组成块block；获取1764个特征向量。优选地是，所述的步骤B中，首先，计算图像X方向和Y方向的梯度Gx，Gy，图像的梯度模矩阵G及梯度方向矩阵Θ则可以根据下列公式计算得到：然后以单元格cell为单位计算图像的梯度方向直方图，计算公式为：Dim(x,y)=Cell((arctan(Gy(x,y)Gx(x,y))+π2)×190/πinterval)]]>Weight[i]=Weight[i]+Gx(x,y)2+Gy(x,y)2]]>(i＝Dim(x，y))。优选地是，采用支持向量机算法将需评估骨龄的X光图片中的向量代入公式yi(wTxi+b)-1，每个级别中的wT、b值均为确定的数值；当需评估骨龄的X光图片中的向量使yi(wTxi+b)-1＝0时，则需评估骨龄的X光图片属于该级别。优选地是，选取已知骨龄级别的X光图像，按照前述的步骤求wT、b的值。优选地是，采集11.0～20.0周岁青少年骨骼X光图像。根据权利要求1所述的骨龄评估方法，其特征在于，将待评估骨龄的X光图片分级后，再精确评估骨龄。本专利技术中的骨龄评估方法，将图像处理技术和计算机视觉技术结合，通过交互或自动的方法实现了骨骼成熟度判定方法。采用计算机进行图像自动分析能够达到准确、高速的效果，同时能克服读片过程中带来的个体差异，能够降低人为因素的干扰，更加简便、快捷、客观的地评估骨龄。运用图像处理、图像识别以及计算机视觉等学科知识，开发出法医学骨龄鉴定计算机系统对实际鉴定工作有很大的应用价值及指导意义。附图说明图1是手腕骨X线片的原始图像；图2是对骨骼的X线片进行截取后获得的感兴趣区域图像；图3是青少年骨龄评估的流程图；图4是分类超平面示意图；图5是原始数据使用核函数向高维投影示意图；具体实施方式如图1至图5所示，骨龄评估方法，其特征在于，包括步骤：A、采集多个目标骨骼部位的X光图片，并根据年龄段分级；目标骨骼部位包括肩关节、肘关节、腕关节、髋关节、膝关节、踝关节及胸锁关节中的一个或多个的骨骺部位。收集1897名年龄介于11.0-20.0周岁汉族男、女性青少年七大关节共13279张X线片作为研究资料。对躯体七大关节24个骨骺进行数据采集，数据以X线片形式收集通过扫描转化为JPEG图像存入文件系统。按照年龄段对样本进行分类，既可以按照统一年龄分级，既所有样本按每两岁为一级均匀分级，或者不均匀分级，如11-12岁为一级，12-14为一级。也可以根据不同的关节分级，比如肘关节按每两岁为一级均匀分级；腕关节按每三岁为一级均匀分级。B、对每一级中的多个X光图片进行特征提取；利用方向梯度直方图特征方法将每一级的所述X光图片转为数据，建立数学模型。将所述图像分割为多个单元格cell；将多个单元格组成块block；获取1764个特征向量。首先，计算图像X方向和Y方向的梯度Gx，Gy，图像的梯度模矩阵G及梯度方向矩阵Θ则可以根据下列公式计算得到：然后以单元格cell为单位计算图像的梯度方向直方图，计算公式为：Dim(x,y)=Cell((arctan(Gy(x,y)Gx(x,y))+π2)×190/πinterval)]]>Weight[i]=Weight[i]+Gx(x,y)2+Gy(x,y)2]]>(i＝Dim(x，y))。C、利用支持向量机分类算法将需评估骨龄的X光图片分入以上的级别中。采用支持向量机算法将需评估骨龄的X光图片中的向量代入公式yi(wTxi+b)-1，每个级别中的wT、b值均为确定的数值；当需评估骨龄的X光图片中的向量使yi(wTxi+b)-1＝0时，则需评估骨龄的X光图片属于该级别。选取已知骨龄级别的X光图像，按照前述的步骤求wT、b的值。将待评估骨龄的X光图片分级后，再精确评估骨龄。一种利用模式识别技术评估我国汉族青少年骨骼年龄的方法，采用如下步骤：a、对140名(男、女性各70例)11.0～20.0周岁汉族青少年尺、桡骨远端骨骺运用模式识别技术进行图像识别；b、分别选取尺、桡骨远端骨骺的五个发育分级作为研究指标，其中尺、桡骨远端骨骺的每个分级均包含28例样本，构建尺、桡骨远端骨骺五个发育分级的模式识别分类模型；c、采用留一法进行模型的内部交叉验证以及35例独立校验样本模式识别模型的外部验证，分别计算模型识别的准确率(PA)。d、利用X线摄像系统拍摄1757名11.0～20.0周岁汉族男、女性青少年躯体肩、肘、腕、髋、膝、踝关节及胸锁关节共七大关节X线片。e、对骨骼的X线片进行图像截取、图像特征提取，获得感兴趣图像区域；f、对获得的图像特征信息进行降维处理；g、利用降维后的特征信息，建立青少年骨关节的分类模型；h、将分类模型的骨骼分类信息代入多元回归数学模型以及骨龄鉴定标准图谱中，预报出青少年的骨骼年龄。具体步骤详述如下：1、X线片样本采集收集我国东部、中部及南部地区1897名年龄介于11.0～20.0周岁汉族男、女性青少年七大关节共13279张X线片作为研究资料，对躯体七大关节24个骨骺进行数据采集，数据以X线片形式收集通过扫描转化为JPEG图像存入文件系统。2、图像裁剪及预处理为建立定性模型的准确性，裁剪感兴趣区域尤为重要，采用不同的裁剪方式对定性分类模型建立后模型的准确性及鲁棒性具有极大的影响。通过改变感兴趣区域截图范围，我们本文档来自技高网...

【技术保护点】
骨龄评估方法，其特征在于，包括步骤：A、采集多个目标骨骼部位的X光图片，并根据年龄段分级；B、对每一级中的多个X光图片进行特征提取；利用方向梯度直方图特征方法将每一级的所述X光图片转为数据，建立数学模型；C、利用支持向量机分类算法将需评估骨龄的X光图片分入以上的级别中。

【技术特征摘要】
1.骨龄评估方法，其特征在于，包括步骤：A、采集多个目标骨骼部位的X光图片，并根据年龄段分级；B、对每一级中的多个X光图片进行特征提取；利用方向梯度直方图特征方法将每一级的所述X光图片转为数据，建立数学模型；C、利用支持向量机分类算法将需评估骨龄的X光图片分入以上的级别中。2.根据权利要求1所述的骨龄评估方法，其特征在于，所述的步骤A中，目标骨骼部位包括肩关节、肘关节、腕关节、髋关节、膝关节、踝关节及胸锁关节中的一个或多个的骨骺部位。3.根据权利要求1所述的骨龄评估方法，其特征在于，所述的步骤A中，目标骨骼部位包括尺骨远端骨骺、桡骨远端骨骺中的一个或两个。4.根据权利要求1所述的骨龄评估方法，其特征在于，将所述图像分割为多个单元格cell；将多个单元格组成块block；获取1764个特征向量。5.根据权利要求1所述的骨龄评估方法，其特征在于，所述的步骤B中，首先，计算图像X方向和Y方向的梯度Gx，Gy，图像的梯度模矩阵G及梯度方向矩阵Θ则可以根据下列公式计算得到：G=Gx2+Gy2;Θ=arctanGyGx;]]>然后...

【专利技术属性】
技术研发人员：王亚辉，朱广友，万雷，魏华，应充亮，夏文涛，刘太昂，史格非，
申请(专利权)人：司法部司法鉴定科学技术研究所，
类型：发明
国别省市：上海;31