一种基于多粒度特征融合的渐进式骨龄评估方法技术

本发明专利技术涉及一种基于多粒度特征融合的渐进式骨龄评估方法。本发明专利技术通过构建基于随机拼图方式的粒度分级模块，将输入图片包含的粒度信息由细到粗进行分级，使网络学习到手骨各个部分丰富的局部特征；通过构建渐进式多尺度特征融合模块，使网络经过多次迭代，不仅能学习到全局特征、最具区分位置的局部特征，还会将其它局部特征进行融合，最终学习到包含不同粒度信息的特征，大大提高了骨龄评估模型的性能和泛化能力。本发明专利技术不仅能够关注最具区分的RoIs局部特征，还能将其它不同粒度的局部特征以协同的方式融合在一起，具有更强的鲁棒性。具有更强的鲁棒性。具有更强的鲁棒性。

【技术实现步骤摘要】
一种基于多粒度特征融合的渐进式骨龄评估方法


[0001]本专利技术涉及医学图像处理领域，具体是一种基于多粒度特征融合的渐进式骨龄评估方法。

技术介绍

[0002]骨龄是反映青少年生长发育情况的重要指标，是确定人体生物年龄的重要内容。传统的骨龄评估方法是由影像学医生按照G
‑
P、TW
‑
3或中华
‑
05等评价标准对被测者的手骨X光摄片进行人工评估，其过程相对繁琐，受个人的主观因素影响较大，且医生之间的经验难以借鉴，这对相关从业人员的技能要求较高。
[0003]采用机器学习的计算机辅助骨龄评估方法，通过提取手骨X光图像中特征贡献度较高位置的形状和纹理特征进行分析，特征输出较为稳定，不需要以结果驱动的方法进行训练，但抗干扰性较弱，且要求其应用领域数据特征分布一致性较强，所以其泛化性能也较弱。
[0004]采用深度学习的方法，特别是以卷积神经网络为代表的算法，在进行手骨X光图片的形状和纹理特征提取时，其卷积运算的参数可以根据预测结果进行调整，所以可以自动学习到与预测任务相关的特征表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多粒度特征融合的渐进式骨龄评估方法，其特征在于该方法具体包含以下步骤：步骤1：数据准备和预处理从数据集中选取不大于设定年龄且带标签的样本，所述的样本为X光摄片的CT图片，包含完整手部及桡骨部分；预处理包含数据增强和标准化；步骤2：粒度分级处理在每批图片训练过程中，粒度分级处理模块分为4个阶段进行，依次生成包含1到4级粒度信息图片，来完成4次迭代训练；在前3个阶段内，该模块分别将输入图片等分为64块、16块、4块，再依次随机拼接为原始输入大小，而第4个阶段直接将原始输入图片输出，所以其包含的粒度信息由细到粗，分为4级；步骤3：多尺度特征提取选择以ResNet
‑
50为基础构建特征提取网络，选择后3个残差块的隐藏层输出,,，并以共享权重的方式参与上述4个阶段的特征提取；步骤4：多尺度特征融合步骤4.1：构建特征融合模块构建基础模块 BasicConv和Classifiers；其中BasicConv模块由卷积层、批量归一化层和线性整流层组成，其中Classifiers模块由批量归一化层、第一全连接层、批量归一化层、线性整流层和第二全连接层组成；将这些不同通道的基础模块组合，构成特征融合模块；步骤4.2：渐进式多尺度特征融合在每批图片训练过程中，分为4个阶段，完成4次迭代；第一阶段，将特征提取网络的传入第一组BasicConv模块，经过自适应最大池化后，再通过第一组Classifiers模块进行预测，根据输出与标签的KL散度，进行反向传播，更新参数，完成一次迭代；第二阶段，将特征提取网络的传入第二组BasicConv模块，经过自适应最大池化后，再通过第二组Classifiers模块进行预测，根据输出与标签的KL散度，进行反向传播，更新参数，完成二次迭代；第三阶...

【专利技术属性】
技术研发人员：周东，何必仕，徐哲，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：