一种基于图像增强的骨龄评估方法技术

一种基于图像增强的骨龄评估方法，包括：X光片图像增强，首先结合Sobel算子和均值滤波对X光片的骨骼边缘信息进行增强，之后使用幂律变换的方法对X光片的对比度进行增强。多兴趣区域提取对手腕骨X光片中的掌骨区域、腕骨区域和拇指区域进行提取。异质信息结合的骨龄评估以Inception

【技术实现步骤摘要】
一种基于图像增强的骨龄评估方法


[0001]本专利技术涉及一种基于图像增强的骨龄评估方法。

技术介绍

[0002]传统的骨龄评估方法都一定程度上依赖于专家的临床经验，且都需要花费较长的评估时间才能进行准确的骨龄评估，在临床使用时较为不便。随着深度学习的不断发展，使用深度学习的方法——卷积神经网络来解决骨龄评估的问题也成为了可能。卷积神经网络仿照人脑对于视觉信息的处理方式来设计，能够将大数据量的的图片信息进行降维、有效保留图片特征，因此适用于各种图像处理任务，已在图像分类、目标检测、图像分割、人脸识别等领域取得了令人满意的效果。因此，若能设计一个基于卷积神经网络的模型，用于进行自动的骨龄评估，将会对医生的骨龄评估工作提供很大便利。此次选题，将基于卷积神经网络模型，利用手腕骨X光片的图像信息,提取出手腕骨中的三个重要兴趣区域——指骨区域、掌骨区域、拇指区域，结合性别信息，进行自动的骨龄评估。

技术实现思路

[0003]本专利技术要克服现有技术的上述缺点，提供一种基于图像增强的骨龄评估方法。
[0004]本专利技术解决技术问题采用如下技术方案：
[0005]设计了一个基于图像增强的骨龄评估方法。该方法分为三个步骤：X光片图像增强、多兴趣区域提取、异质信息结合的骨龄评估方法。图像增强时，首先结合Sobel算子和均值滤波对X光片的骨骼边缘信息进行增强，之后使用幂律变换的方法对X光片的对比度进行增强。兴趣区域提取主要对手腕骨X光片中的掌骨区域、腕骨区域和拇指区域进行提取，依据标注的10个关键点进行提取，提取时分别需要获取每个区域的4的坐标，包括区域中心、参考方向、区域宽度和区域长度边缘。最后设计了异质信息结合的骨龄评估网络进行骨龄评估，骨龄评估网络以Inception
‑
ResNet
‑
V2为骨干，仅使用Inception
‑
ResNet
‑
V2网络的特征提取部分，去除网络最后的全连接层。X光片图像以及兴趣区域图像都分别经过Inception
‑
ResNet
‑
V2网络以提取图像特征，性别信息则通过一个神经元个数为32的全连接层，计算得到相应的特征向量。之后，将图像特征向量以及性别特征向量进行特征拼接，以形成新的融合特征。最后，经过两层全连接层的计算，得到最后的骨龄评估结果。
[0006]本专利技术首先对手腕骨X光片进行图像增强，以增强X光片的成像质量，便于之后神经网络的训练。之后对X光片中的关键兴趣区域进行准确提取，并利用这些兴趣区域辅助骨龄评估。最后，设计了异源信息结合的骨龄评估网络，该网络能够综合利用图像以及文本两种不同的特征信息，共同用于骨龄评估。该专利技术对青少年的左手手腕骨X光片能进行准确的兴趣区域提取以及骨龄评估，具有较大地应用价值。
[0007]本专利技术具有如下有益效果：
[0008](1)对青少年左手手腕骨的X光片进行准确骨龄评估。
[0009](2)对图像成像质量较差的X光片进行图像增强，增强X光片的边缘信息以及图像
对比度。
[0010](3)将性别这一文本特征信息以及图像特征进行融合，共同用于骨龄评估，利用异质信息结合的方式增强骨龄评估精度。
附图说明
[0011]图1是本专利技术的总体流程图。
[0012]图2是本专利技术中X光片中10个关键点的位置标注。
[0013]图3是本专利技术中异质信息结合的骨龄评估网络的结构图。
具体实施方式
[0014]下面结合附图对本专利技术的技术方案作进一步阐述。
[0015]本专利技术的一种基于图像增强的骨龄评估方法，包括如下步骤：
[0016]步骤1具体包括：
[0017]11)获取左手手腕骨X光片图像。
[0018]12)使用Sobel算子获取手腕骨骨骼边缘。
[0019]13)使用均值滤波对边缘图像进行平滑处理。
[0020]14)将平滑处理后的边缘图像与原图进行相加操作。
[0021]15)使用幂律交换的操作增强X光片的图像对比度。
[0022]步骤2对手腕骨X光片中的掌骨区域、腕骨区域和拇指区域进行提取，提取时分别需要获取每个区域的4的坐标，包括区域中心、参考方向、区域宽度和区域长度：
[0023]21)区域中心：
[0024]首先确定手腕骨X光片中的10个关键点，分别为：尺骨远端桡侧(靠近桡骨一侧)、头状骨中心、第一近节指骨中心、第一远节指骨中心、第二中节指骨、第三近节指骨中心、第三远节指骨中心、第四中节指骨、第五近节指骨中心、第五中节指骨中心、第五远节指骨中心。分别以p1、p2、p3…
p
10
代表这10个特征点。
[0025]将三个区域的中心点用字符C
Carpal
、C
Thumb
、C
Phanlange
分别表示，中心点的坐标如下所示：
[0026][0027][0028][0029]22)参考方向：
[0030]三个兴趣区域的参考方向分别以它们分别为：
[0031][0032][0033][0034]23)区域宽度：
[0035]三个兴趣区域的区域宽度分别以W
Carpal
、W
Thumb
、W
Phanlange
，它们分别为：
[0036][0037][0038][0039]24)区域长度：
[0040]三个兴趣区域的区域长度分别以H
Carpal
、H
Carpal
、H
Carpal
，它们分别为：
[0041][0042][0043][0044]步骤3：异质信息结合的骨龄评估方法
[0045]31)获取手腕骨X光片的图像和提取到的三个兴趣区域图像，以及X光片所对应的性别信息，
[0046]32)使用骨龄评估网络进行骨龄评估。本专利所设计的骨龄评估网络以Inception
‑
ResNet
‑
V2为骨干，仅使用Inception
‑
ResNet
‑
V2网络的特征提取部分，去除网络最后的全连接层。X光片图像以及兴趣区域图像都分别经过Inception
‑
ResNet
‑
V2网络以提取图像特征，性别信息则通过一个神经元个数为32的全连接层，计算得到相应的特征向量。之后，将图像特征向量以及性别特征向量进行特征拼接，以形成新的融合特征。最后，经过两层全连接层的计算，得到最后的骨龄评估结果。
[0047]本说明书实施例所述的内容仅仅是对专利技术构思的实现形式的列举，本专利技术的保护范围不应当被视为仅限于实施例所陈述的具体形式，本专利技术的保护范围也及于本领域技术人员根据本专利技术构思所能够想到的等同技术手段。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像增强的骨龄评估方法，包括以下步骤：步骤1：X光片图像增强；具体包括：11)获取左手手腕骨X光片图像；12)使用Sobel算子获取手腕骨骨骼边缘；13)使用均值滤波对边缘图像进行平滑处理；14)将平滑处理后的边缘图像与原图进行相加操作；15)使用幂律交换的操作增强X光片的图像对比度；步骤2：多兴趣区域提取；对手腕骨X光片中的掌骨区域、腕骨区域和拇指区域进行提取，提取时分别需要获取每个区域的4的坐标，包括区域中心、参考方向、区域宽度和区域长度：21)区域中心：首先确定手腕骨X光片中的10个关键点，分别为：尺骨远端桡侧(靠近桡骨一侧)、头状骨中心、第一近节指骨中心、第一远节指骨中心、第二中节指骨、第三近节指骨中心、第三远节指骨中心、第四中节指骨、第五近节指骨中心、第五中节指骨中心、第五远节指骨中心；分别以p1、p2、p3…
p
10
代表这10个特征点；将三个区域的中心点用字符C
Carpal
、C
Thumb
、C
Phanlange
分别表示，中心点的坐标如下所示：分别表示，中心点的坐标如下所示：分别表示，中心点的坐标如下所示：22)参考方向：三个兴趣区域的参考方向分别以它们分别为：它们分别为：它们分别为：23)区域宽度：三个兴趣区域...

【专利技术属性】
技术研发人员：张拓，毛科技，陈凯彦，陆伟，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：