一种基于特征区域等级识别的骨龄评估方法技术

一种基于特征区域等级识别的骨龄评估方法，从每个全手掌骨中分割出用于骨龄评估的14块特定骨头；使用3种数据增强技术来扩大数据集并增加网络的泛化能力；引入双注意力卷积模型对每块骨头训练得到骨成熟等级评估模型。不同于传统基于全掌的评估智能模型，本发明专利技术方法引入注意力机制对切割后的局部特征图进行联合分析，进一步提高评估的准确率。测试结果优于基于全手掌骨图像的骨龄自动评估方法。

【技术实现步骤摘要】
一种基于特征区域等级识别的骨龄评估方法
本专利技术涉及图像识别、深度学习技术，具体来讲提出一种基于双注意力模型的卷积神经网络分类模型的骨龄评估方法。
技术介绍
骨龄评估对了解孩子的生长发育情况非常重要，是由儿科医生和儿科内分泌学家进行的一项医学检查，以确定儿童骨骼骨龄和儿童实际年龄的差异。骨龄评估可以用于儿童和青年人生长和内分泌失调的诊断和治疗，也有助于预测儿童和青年人的最终成人身高，还有助于诊治涉及脊柱矫正、下肢均衡等外科手术。除用于儿童生长情况外，还广泛应用于体育、司法鉴定等领域。在体育领域，骨龄主要用于杜绝年龄造假现象，规范比赛秩序，确定运动员发育水平，制定科学的训练手段，作为运动员选材的指标，选拔体育运动人才。在司法鉴定领域，骨龄主要用于鉴定犯罪嫌疑人或者死者的年龄，为判刑提供参考。最常见且被广泛接受的骨龄评估方法是利用左手包含手腕、手掌和手指的X光片进行人工评估。国际上占据主导地位的两种骨龄评估方法分别是：GP图谱法和人为平均加权的成熟度几何平均法(TW法)。GP图谱法利用图谱匹配儿童的X射线图像来估计骨龄，这种方法很简单，但本文档来自技高网...

【技术保护点】
1.一种基于特征区域等级识别的骨龄评估方法，其特征在于，所述方法包括以下步骤：/n1)采用faster-rcnn方法自动对每张手骨片中14块骨头的感兴趣特征区域ROI进行标定和切割，并对图片进行随机旋转、随机平移裁剪、随机中心裁剪的组合操作实现数据增强；/n2)构建通道注意力模块，针对输入特征图的通道数、高度、宽度，双池化操作后使用共享多层感知机生成的注意力图谱，视为对特定类别的响应；/n3)构建空间注意力模块，针对输入特征图进行双池化操作生成两个二维孔教描述符，并使用7*7的卷积核进行卷及操作，生成空间注意力图；/n4)对分类准确率低且等级分布特别不均衡的特征区域使用Focal loss函数...

【技术特征摘要】
1.一种基于特征区域等级识别的骨龄评估方法，其特征在于，所述方法包括以下步骤：
1)采用faster-rcnn方法自动对每张手骨片中14块骨头的感兴趣特征区域ROI进行标定和切割，并对图片进行随机旋转、随机平移裁剪、随机中心裁剪的组合操作实现数据增强；
2)构建通道注意力模块，针对输入特征图的通道数、高度、宽度，双池化操作后使用共享多层感知机生成的注意力图谱，视为对特定类别的响应；
3)构建空间注意力模块，针对输入特征图进行双池化操作生成两个二维孔教描述符，并使用7*7的卷积核进行卷及操作，生成空间注意力图；
4)对分类准确率低且等级分布特别不均衡的特征区域使用Focalloss函数，对神经网络模型进行优化。


2.根据权利要求1所述的方法，其特征在于，所述步骤1)中，所述切割规则为：每块骨头都用适合的固定大小框进行区域切割，每块骨头切割框大小要确保每张手骨中的该骨头的ROI，但尽量包含少的干扰区域。


3.根据权利要求1或2所述的方法，其特征在于，所述步骤1)中，所述随机旋转过程为：使用随机角度的旋转，旋转角度在[-10°,10°]中随机选取，步长为1°。


4.根据权利要求1或2所述的方法，其特征在于，所述步骤1)中，所述随机平移裁剪为：随机平移的方向为上下和左右，每次选其中各一个方向进行平移，范围根据不同骨头的大小进行调整。


5.根据权利要求1或2所述的方法，其特征在于，所述步骤1)中，所述随机中心裁剪为：保证每块骨头的ROI包含在数据集的图像中，适量剪小切割框，裁剪数值适情况而定。


6.根据权利要求1或2所述的方法，其特征在于，所述步骤2)中，所述通道注意力模块构建过程为：
给定输入特征F∈RC×H×W，其中C是特征图的通道数，H是特征图的高度，W是特征图的宽度，同时使用平均池化和最大池化的特征，生成两个不同的通道描述符然后这两个描述符分别通过一个共享多层感知机模型...

【专利技术属性】
技术研发人员：尹久，池凯凯，吴旻媛，张书彬，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33