一种检测骨龄的方法及装置制造方法及图纸

本申请实施例提供了一种检测骨龄的方法及装置，涉及机器学习技术领域，该方法包括：获取待检测用户的骨龄片，并调整骨龄片中的各骨头至基准位置，从骨龄片中确定腕骨区域，然后采用分类模型确定腕骨区域中骨化中心的数量，最后根据腕骨区域中骨化中心的数量确定待检测用户的骨龄。由于腕骨区域中骨化中心的数量代表着不同的骨龄阶段，因此本申请实施例中采用分类模型自动确定腕骨区域中骨化中心的数量，然后根据腕骨区域中骨化中心的数量确定待检测用户的骨龄，而不需要人工主观根据骨龄片判断骨龄，从而一方面提高了检测骨龄的精度，另一方面提高了检测骨龄的效率。

A Method and Device for Detecting Bone Age

The embodiment of this application provides a method and device for detecting bone age, which relates to the field of machine learning technology. The method includes acquiring the bone age slices of the user to be detected, adjusting the position of each bone in the bone age slices to the reference position, determining the carpal region from the bone age slices, then using the classification model to determine the number of ossification centers in the carpal region, and finally according to the ossification centers in the carpal region. The number of bone ages of the users to be tested was determined. Since the number of ossification centers in the carpal region represents different bone age stages, the classification model is used in the embodiment of this application to automatically determine the number of ossification centers in the carpal region, and then to determine the bone age of the user to be tested according to the number of ossification centers in the carpal region, without the need for subjective artificial judgement of bone age based on bone age slices, thus improving the accuracy of bone age detection on the one hand. On the other hand, it improves the efficiency of bone age detection.

【技术实现步骤摘要】
一种检测骨龄的方法及装置
本专利技术实施例涉及机器学习
，尤其涉及一种检测骨龄的方法及装置。
技术介绍
“骨龄”是骨骼年龄的简称，是青少年儿童骨骼发育水平同骨发育标准比较而得出的发育年龄，它比年龄、身高、体重更能精确的反映出身体的成熟程度，更加准确地反映个体的生长发育水平和成熟程度。临床上通过检测骨龄来判读儿童的生物学年龄，通过生物年龄与日历年龄的差异来评估儿童发育状况，了解儿童性成熟的趋势，预测儿童的成年身高等，并广泛用于影响儿童生长发育疾病的治疗监测，对一些儿科内分泌疾病的诊断有很大帮助。现有技术中主要通过拍摄骨龄片，由人工查看骨龄片估计骨龄。该方法依赖人工根据骨龄片估计骨龄，精度受人的主观因素影像大，效率较低。
技术实现思路
由于现有技术中依赖人工根据骨龄片估计骨龄，精度受人的主观因素影像大，效率较低的问题，本申请实施例提供了一种检测骨龄的方法及装置。第一方面，本申请实施例提供了一种检测骨龄的方法，包括：获取待检测用户的骨龄片，并调整所述骨龄片中的各骨头至基准位置；从所述骨龄片中确定腕骨区域；采用分类模型确定所述腕骨区域中骨化中心的数量，所述分类模型是以预先标记骨化中心的数量的腕骨区域的骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域中骨化中心的数量确定所述待检测用户的骨龄。可选地，所述从所述骨龄片中确定腕骨区域，包括：采用分割模型确定所述骨龄片中腕骨区域对应的关键点的坐标，所述分割模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域对应的关键点的坐标确定所述腕骨区域。可选地，所述采用分类模型确定所述腕骨区域中骨化中心的数量，包括：将所述腕骨区域的骨龄片经N个连续的卷积特征提取块处理，得到所述腕骨区域的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述腕骨区域的图像特征输入全连接层，输出所述腕骨区域的类型；根据所述腕骨区域的类型确定所述腕骨区域中骨化中心的数量。可选地，所述调整所述骨龄片中的各骨头至基准位置，包括：获取预设基准点的坐标；采用调整模型确定所述骨龄片中关键点的坐标，所述调整模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的，所述关键点的坐标和所述预设基准点的坐标为同一坐标系中的坐标；根据所述预设基准点的坐标和所述关键点的坐标确定所述骨龄片各骨头的当前位置与基准位置之间的对应关系；根据所述对应关系将所述骨龄片中的各骨头调整至基准位置。第二方面，本申请实施例提供了一种检测骨龄的装置，包括：获取模块，用于获取待检测用户的骨龄片，并调整所述骨龄片中的各骨头至基准位置；分割模块，用于从所述骨龄片中确定腕骨区域；分类模块，用于采用分类模型确定所述腕骨区域中骨化中心的数量，所述分类模型是以预先标记骨化中心的数量的腕骨区域的骨龄片为训练样本，对深度残差网络进行训练后确定的；检测模块，用于根据所述腕骨区域中骨化中心的数量确定所述待检测用户的骨龄。可选地，所述分割模块具体用于：采用分割模型确定所述骨龄片中腕骨区域对应的关键点的坐标，所述分割模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域对应的关键点的坐标确定所述腕骨区域。可选地，所述分类模块具体用于：将所述腕骨区域的骨龄片经N个连续的卷积特征提取块处理，得到所述腕骨区域的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述腕骨区域的图像特征输入全连接层，输出所述腕骨区域的类型；根据所述腕骨区域的类型确定所述腕骨区域中骨化中心的数量。可选地，所述获取模块具体用于：获取预设基准点的坐标；采用调整模型确定所述骨龄片中关键点的坐标，所述调整模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的，所述关键点的坐标和所述预设基准点的坐标为同一坐标系中的坐标；根据所述预设基准点的坐标和所述关键点的坐标确定所述骨龄片各骨头的当前位置与基准位置之间的对应关系；根据所述对应关系将所述骨龄片中的各骨头调整至基准位置。第三方面，本申请实施例提供了一种检测骨龄的设备，包括至少一个处理器、以及至少一个存储器，其中，所述存储单元存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行第一方面所述方法的步骤。第四方面，本申请实施例提供了一种计算机可读介质，其存储有可由检测骨龄的设备执行的计算机程序，当所述程序在检测骨龄的设备上运行时，使得所述检测骨龄的设备执行第一方面所述方法的步骤。本申请实施例中，由于腕骨区域中骨化中心的数量代表着不同的骨龄阶段，因此本申请实施例中采用分类模型自动确定腕骨区域中骨化中心的数量，然后根据腕骨区域中骨化中心的数量确定待检测用户的骨龄，而不需要人工主观根据骨龄片判断骨龄，从而一方面提高了检测骨龄的精度，另一方面提高了检测骨龄的效率。相较于通过识别腕骨形态来确定骨龄的方法来说，根据腕骨区域中骨化中心的数量确定待检测用户的骨龄的方法，其效率更高。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种检测骨龄的方法的流程示意图；图2为本申请实施例提供的一种骨龄片的示意图；图3为本申请实施例提供的一种腕骨区域的示意图；图4为本申请实施例提供的一种调整骨龄片的方法的流程示意图；图5为本申请实施例提供的一种深度残差网络的结构示意图；图6为本申请实施例提供的一种卷积特征提取块的结构示意图；图7为本申请实施例提供的一种检测骨化中心数量的方法的流程示意图；图8为本申请实施例提供的一种检测骨龄的装置的结构示意图；图9为本申请实施例提供的一种检测骨龄的设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。骨龄：骨骼年龄的简称，需要借助于骨骼在X光摄像中的特定图像来确定。通常要拍摄人左手手腕部的X光片，医生通过X光片观察左手掌指骨、腕本文档来自技高网...

【技术保护点】
1.一种检测骨龄的方法，其特征在于，包括：获取待检测用户的骨龄片，并调整所述骨龄片中的各骨头至基准位置；从所述骨龄片中确定腕骨区域；采用分类模型确定所述腕骨区域中骨化中心的数量，所述分类模型是以预先标记骨化中心的数量的腕骨区域的骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域中骨化中心的数量确定所述待检测用户的骨龄。

【技术特征摘要】
1.一种检测骨龄的方法，其特征在于，包括：获取待检测用户的骨龄片，并调整所述骨龄片中的各骨头至基准位置；从所述骨龄片中确定腕骨区域；采用分类模型确定所述腕骨区域中骨化中心的数量，所述分类模型是以预先标记骨化中心的数量的腕骨区域的骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域中骨化中心的数量确定所述待检测用户的骨龄。2.如权利要求1所述的方法，其特征在于，所述从所述骨龄片中确定腕骨区域，包括：采用分割模型确定所述骨龄片中腕骨区域对应的关键点的坐标，所述分割模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的；根据所述腕骨区域对应的关键点的坐标确定所述腕骨区域。3.如权利要求1所述的方法，其特征在于，所述采用分类模型确定所述腕骨区域中骨化中心的数量，包括：将所述腕骨区域的骨龄片经N个连续的卷积特征提取块处理，得到所述腕骨区域的图像特征，N大于0，所述卷积特征提取块包括L个卷积模块，L大于0，任意一个卷积模块中包括卷积层、BN层及激励层；针对所述N个卷积特征提取块中任意两个连续的第一卷积特征提取块和第二卷积特征提取块，所述第二卷积特征提取块输出的第二图像特征与所述第一卷积特征提取块输出的第一图像特征相加后作为第三积特征提取块的输入或者N个连续的卷积特征提取块的输出；所述第三卷积特征提取块为位于所述第二卷积特征提取块之后且与所述第二卷积特征提取块连续的卷积特征提取块；将所述腕骨区域的图像特征输入全连接层，输出所述腕骨区域的类型；根据所述腕骨区域的类型确定所述腕骨区域中骨化中心的数量。4.如权利要求1至3任一所述的方法，其特征在于，所述调整所述骨龄片中的各骨头至基准位置，包括：获取预设基准点的坐标；采用调整模型确定所述骨龄片中关键点的坐标，所述调整模型是以预先标记关键点的坐标的多张骨龄片为训练样本，对深度残差网络进行训练后确定的，所述关键点的坐标和所述预设基准点的坐标为同一坐标系中的坐标；根据所述预设基准点的坐标和所述关键点的坐标确定所述骨龄片各骨头的当前位置与基准位置之间的对应关系；根据所述对应关系将所述骨龄片中的各骨头调整至基准位置。5.一种检测骨龄的装置，其特征在于，包括：获取模块，用于获取待检测用户的骨龄片，并调整所述骨龄片中的各骨头至基准位置；分割模块，用于从所述骨龄片中确定腕骨区域；分类模块，用于采用分...

【专利技术属性】
技术研发人员：魏子昆，杨忠程，王琦，
申请(专利权)人：杭州依图医疗技术有限公司，
类型：发明
国别省市：浙江,33