一种基于深度回归网络的骨龄预测方法及装置制造方法及图纸

本申请公开了一种基于深度回归网络的骨龄预测方法及装置。该方法包括输入待处理骨龄片图像；根据多级关键点检测深度卷积网络，获取骨骺区域图像；以及将所述骨骺区域图像输入预设深度学习回归网络，得到骨骺等级预测结果，计算出对应的骨龄。本申请解决了骨龄预测方法效果较差的技术问题。通过本申请不需要链接骨骺等级标注数据库而直接输出骨骺等级预测结果，并且可准确预测出骨龄。本申请于基于多级关键点检测得到的骨骺区域作为输入，经过卷积网络后通过多分支深度回归网络输出骨骺等级预测结果，获得的预测效果较佳。

【技术实现步骤摘要】
一种基于深度回归网络的骨龄预测方法及装置
本申请涉及医疗、计算机图像处理领域，具体而言，涉及一种基于深度回归网络的骨龄预测方法及装置。
技术介绍
骨龄是评价青少年儿童生物年龄的主要方法。骨的发育贯穿全部生长发育期，在发育过程中所有个体的骨组织都由软骨逐渐固化成骨。不同骨或不同个体间由软骨模型骨化开始到成年形态的渐进过程的速度不同，为骨成熟度评价提供了基础。由于手腕部包含多种类型的众多骨化中心，反映了全身骨发育状况，而且易于摄片，X线照射剂量很小，所以手腕部骨龄得到了最为广泛的应用。骨龄预测的一种实现方法中要求对桡骨、尺骨、掌指骨和腕骨进行发育等级评价。专利技术人发现，由于各块骨骺的发育过程均有差异，并且考虑生理性变异、拍摄姿势不规范等因素，骨龄等级的判断难度较大。针对相关技术中骨龄预测方法效果较差的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种基于深度回归网络的骨龄预测方法及装置，以解决骨龄预测方法效果较差的问题。为了实现上述目的，根据本申请的一个方面，提供了一种骨龄预测方法。根据本申请的骨龄预测方法包括：输入待处理骨龄片图像；根据关键点检测深度卷积网络，本文档来自技高网...

【技术保护点】
1.一种基于深度回归网络的骨龄预测方法，其特征在于，包括：输入待处理骨龄片图像；根据关键点检测深度卷积网络，获取骨骺区域图像；以及将所述骨骺区域图像输入预设深度学习回归网络，得到骨骺等级预测结果，计算出对应的骨龄。

【技术特征摘要】
1.一种基于深度回归网络的骨龄预测方法，其特征在于，包括：输入待处理骨龄片图像；根据关键点检测深度卷积网络，获取骨骺区域图像；以及将所述骨骺区域图像输入预设深度学习回归网络，得到骨骺等级预测结果，计算出对应的骨龄。2.根据权利要求1所述的骨龄预测方法，其特征在于，根据关键点检测深度卷积网络，获取骨骺区域图像时包括如下的任一一种或多种执行步骤：获取图像灰阶直方图，并调整图像窗宽窗位；获取手部朝向，并将图片中手部朝向调整为向上；获取具有手部全局上下文信息的骨骺关键点和骨骺细节的骨骺关键点；判断手部姿态是否正常以及是左手或右手。3.根据权利要求1所述的骨龄预测方法，其特征在于，根据关键点检测深度卷积网络，获取骨骺区域图像包括：获取多个骨骺区域；对每个所述骨骺区域获取至少一个关键点。4.根据权利要求3所述的骨龄预测方法，其特征在于，对每个所述骨骺区域获取至少一个关键点之后还包括：根据骨骺中心点和骨骺方向的包围框按照不同尺度缩放，获取多个同中心点、同朝向的包围框；根据所述多个同中心点、同朝向的包围框提取多尺度骨骺感兴趣区域。5.根据权利要求1所述的骨龄预测方法，其特征在于，将所述多尺度骨骺区域图像输入...

【专利技术属性】
技术研发人员：宫平，幸子健，尹子昊，李秀丽，俞益洲，
申请(专利权)人：北京深睿博联科技有限责任公司，
类型：发明
国别省市：北京,11