自动骨龄预测方法、系统、计算机设备和存储介质技术方案

本发明专利技术涉及数据处理技术领域，尤其涉及一种自动骨龄预测方法、系统、计算机设备和存储介质。骨龄预测方法包括：采集左手X射线片图像，将采集到的左手X射线片图像进行手部分割，对分割后的图像进行摆正缩放到预设大小和位置，对摆正缩放后的图像进行自适应均衡处理后，将图像输入到骨龄预测网络结构中，得到骨龄预测值，重复进行骨龄训练，直到骨龄训练得到的骨龄预测值满足预设误差范围后，停止骨龄训练阶段，进入骨龄预测阶段，将预测值输出。本发明专利技术预测骨龄时，无需医师鉴定，整个预测过程在秒级内完成，预测效率高。

Automated bone age prediction methods, systems, computer equipment and storage media

The invention relates to the technical field of data processing, in particular to an automatic bone age prediction method, system, computer equipment and storage medium. Bone age prediction methods include: collecting left-hand X-ray images, partially segmenting the collected left-hand X-ray images, scaling the segmented images to preset size and position, adaptive equalization of the scaled images, input the images into the bone age prediction network structure, obtain the bone age prediction value, and repeat bone age training until After the predicted value of bone age obtained by bone age training meets the preset error range, the bone age training stage is stopped and the predicted value is output. When the method predicts bone age, the forecasting process is completed in seconds without physician identification, and the forecasting efficiency is high.

【技术实现步骤摘要】
自动骨龄预测方法、系统、计算机设备和存储介质
本专利技术涉及数据处理
，尤其涉及一种自动骨龄预测方法、系统、计算机设备和存储介质。
技术介绍
人类身体发育过程中，不同时期的骨骼大小和形状有着明显的差异，正常发育的情况下，骨骼的年龄(骨龄)和真实的年龄差异性非常小，一旦发现该差异较大时，则表明身体发育的过程中可能存在某些潜在的疾病干扰着骨头的正常发育。因此，临床医师通过预测青少年骨骼系统的成熟度，从而尽早发现一些发育中的异常问题。目前，骨龄预测时，普通医师无法胜任，需要相关经验的医师来执行，致使骨龄预测必须去专门的鉴定机构完成。预测过程中，由于采用医师通过左手的X射线图像与骨骼发育的标准化图谱相比较，因此图像比较所花费时间长、预测效率低，一般都要有相关经验的医师来执行，虽然专家则可以将预测误差控制在6个月内，但是普通医师的预测误差要在12个月内。另外，深度学习是机器学习中一种基于对数据进行表征学习的方法，深度学习的优势是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它本文档来自技高网...

【技术保护点】
1.一种自动骨龄预测方法，其特征在于，包括如下步骤：S1，采集左手X射线片图像；S2，将采集到的左手X射线片图像进行手部分割，以去除手部以外部分的干扰，对分割后的图像进行摆正缩放到预设大小和位置，对摆正缩放后的图像进行自适应均衡处理后，将图像输入到骨龄预测网络结构中，得到骨龄预测值，所述骨龄预测网络结构是基于VGG网络结构的深度学习网络；S3，重复步骤S2进行骨龄训练，直到骨龄训练得到的骨龄预测值满足预设误差范围后，停止骨龄训练阶段，进入骨龄预测阶段，将步骤2)得到的骨龄预测值输出。

【技术特征摘要】
1.一种自动骨龄预测方法，其特征在于，包括如下步骤：S1，采集左手X射线片图像；S2，将采集到的左手X射线片图像进行手部分割，以去除手部以外部分的干扰，对分割后的图像进行摆正缩放到预设大小和位置，对摆正缩放后的图像进行自适应均衡处理后，将图像输入到骨龄预测网络结构中，得到骨龄预测值，所述骨龄预测网络结构是基于VGG网络结构的深度学习网络；S3，重复步骤S2进行骨龄训练，直到骨龄训练得到的骨龄预测值满足预设误差范围后，停止骨龄训练阶段，进入骨龄预测阶段，将步骤2)得到的骨龄预测值输出。2.根据权利要求1所述的自动骨龄预测方法，其特征在于，所述S1采集的左手X射线片图像是左手腕部正位X射线片，所述左手X射线片图像包括距离桡骨和尺骨2cm-3cm的骨干，及手部关节的多块骨，所述左手X射线片图像的管片距为70cm-90cm。3.根据权利要求1所述的自动骨龄预测方法，其特征在于，所述S2包括如下步骤：S201，使用U-net网络结构对采集到的左手X射线片图像进行手部分割，去除手部以外部分的干扰；S202，手部分割完成后，使用关键点侦测网络结构对手部进行探测，得到三个侦测点，三个侦测点分别为中指指尖侦测点、大拇指指尖侦测点、腕骨中心点；S203，依据得到的三个侦测点，将左手X射线片图像摆正缩放到512*512大小的图片中，摆正时中指指尖侦测点位于上边缘水平位置中点向下40像素处，大拇指指尖侦测点用于镜像翻转，确保大拇指指尖侦测点位于图片右侧，腕骨中心点在下边缘水平位置中点向上190像素处；S204，对摆正缩放后的图像进行限制对比度的自适应直方图均衡化；S205，通过骨龄预测网络结构对自适应直方图均衡化后的图像进行骨龄预测，得到骨龄预测值。4.根据权利要求3所述的自动骨龄预测方法，其特征在于，所述关键点侦测网络结构为：先将三个卷积核层数分别为64、128、256的VGG模块依次连接，然后接一个Dropout层，再接两层各包含512个神经元的全连接层，且两层全连接层均连接一个ELU激活函数，两层512个神经元的全连接层之间设另一Dropout层，最后一层为包含6个神经元的全连接层，最后将6个数值输出，分别对应三个侦测点的横纵坐标值；所述骨龄预测网络结构为：先将六个卷积核层数分别为32、64、128、128、256、3846的VGG模块依次连接，然后接一个Dropout层，再接两层各包含2048个神经元的全连接层，两层全连接层均连接一个ELU激活函...

【专利技术属性】
技术研发人员：高良心，刘莉红，吴天博，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44