一种用于小儿骨龄评估的手部骨干特征图的生成方法技术

本发明专利技术涉及一种用于小儿骨龄评估的手部骨干特征图的生成方法，包括如下步骤：选取手部X光片A，并将A的大小调整为560x560的图片；使用Sobel算法对A进行手骨边缘处理，提取得到A对应的手部骨干粗略前景边缘图；使用MediaPipe应用框架对A对应的手部骨干粗略前景边缘图上的关节点进行位置预测，得到A的手部ROI拓扑结构图；将该手部ROI拓扑结构图作为A的手部骨干特征图。使用本发明专利技术方法可以良好的表达出符合CHN

【技术实现步骤摘要】
一种用于小儿骨龄评估的手部骨干特征图的生成方法


[0001]本专利技术涉及计算机图像视觉和大数据医疗图像应用，特别涉及一种用于小儿骨龄评估的手部骨干特征图的生成方法。

技术介绍

[0002]传统的骨龄评估通常是对受试者的手和手腕进行拍片，然后由医生根据拍片的情况进行解释。解释的方法包括简单的计数法、图谱法、评分法和计算机骨龄评分系统等。最常用的方法是G
‑
P图谱法和TW3评分法；受生长发育的种族差异与长期趋势的影响，目前最适合中国当代儿童的骨龄标准为CHN
‑
05，在2006年，中华
‑
05骨龄标准被编入《中华人民共和国行业标准》，成为中国目前唯一的行业骨龄标准。
[0003]最近，深度神经网络在医学领域得到了广泛的应用，因为使用深度学习方法自动估计骨龄比人工判断骨龄快得多，同时准确率也远远超过传统方法。Hyunkwang Lee等人使用 GoogLeNet作为主干，通过显示G&P地图集的三到五个参考图像来确定最终骨龄。Toan DucBui等人分别使用Faster
‑
RCNN和Inception
‑
v4网络进行感兴趣区域(ROI)的检测和分类。 Chuanbin Liu等人引入了一个注意代理和一个识别代理分别用于提出有区别的骨骼部分和特征学习和年龄评估。
[0004]尽管这些方法在BAA中可以获得良好的性能，而在实际检测过程中，因为加上年代的发展变化，致使这些方法都不能客观地、准确地评价中国当代儿童的骨龄。基于上述问题，所以急需寻找一种方法，在基于中华
‑
05的标准化样本进行研究，中华
‑
05的标准由2005年中国城市汉族正常儿童组成，能够真实反映当代中国儿童的发育趋势，以中国儿童掌指骨边缘以及掌指骨长度作为参考标准，从而得到正确的骨龄。

技术实现思路

[0005]针对现有技术存在的上述问题，本专利技术要解决的技术问题是：如何基于中华
‑
05的标准生成手部骨干特征图。
[0006]为解决上述技术问题，本专利技术采用如下技术方案：一种用于小儿骨龄评估的手部骨干特征图的生成方法，包括如下步骤：
[0007]S100：选取手部X光片A，并将A的大小调整为560x560的图片；
[0008]S200：使用Sobel算法对A进行分割处理，提取得到与A对应的手部骨干粗略前景边缘图；
[0009]S300：使用MediaPipe应用框架对A对应的手部骨干粗略前景边缘图上的关节点进行位置预测，得到A的手部ROI拓扑结构图；将该手部ROI拓扑结构图作为A的手部骨干特征图。
[0010]作为优选，所述S200中得到A对应的手部骨干粗略前景边缘图的具体步骤如下：
[0011]S210：针对A：使用水平方向矩阵与A上的第i个像素点进行平面卷积,得到第i个像素点横向上的亮度差分近似值G
xi
，具体表达式如下：
[0012][0013]其中，G
xi
表示第i个像素点横向上的亮度差分近似值，A
i
表示第i个像素点；
[0014]使用垂直方向矩阵与A上的第i个像素点进行平面卷积，得到第i个像素点纵向上的亮度差分近似值G
yi
，具体表达式如下：
[0015][0016]其中，G
yi
表示第i个像素点纵向上的亮度差分近似值；
[0017]S220：计算A上第i个像素点的梯度近似值G
i
，表达式如下：
[0018][0019]计算A上第i个像素点的方向，表达式如下：
[0020][0021]其中，α(x
i
,y
i
)表示A上第i个像素点的方向；
[0022]S230：重复S210
‑
S220，遍历A上所有的像素点，得到每个像素点的卷积数值，所有像素点的卷积数值组成一个矩阵B，该矩阵B即为梯度图A
’
；
[0023]S240：对A
’
进行阈值二值化处理，得到A的手部骨干粗略前景边缘图。
[0024]相对于现有技术，本专利技术至少具有如下优点：
[0025]1.通过Sobel算法处理X光片中手骨边缘图的生成速度更快，而且相较于其他边缘算法可以获得更好的边界信息；使用MediaPipe应用框架对手部骨干粗略前景边缘图上的关节点进行位置预测，可以良好的表达CHN
‑
05中所对应的语义特征。
[0026]2.相对于传统的深度学习骨龄评估，根据医生参考中华05判断骨龄的语义特征，构造了手部骨干特征图来表达中华05掌指骨长度此特征，具有一定的可解释性以及临床意义。
[0027]3.根据后期预测骨龄的实验结果MAE值也有所提升，反映了手部骨干特征可以改进骨龄评估结果值的优点。
附图说明
[0028]图1中的(a)表示手部X光片应用Sobel算子后的边缘图；(b)表示MediaPipe投影手部姿态关节点后得到的手部拓扑图。
[0029]图2表示表示本专利技术所使用的来自不同数据集的样本图像。
具体实施方式
[0030]下面对本专利技术作进一步详细说明。
[0031]本文针对新的骨龄标准，从手部X光片中得到手骨拓扑结构，通过传统Sobel算子算法快速分割手部X光片得到手部骨干粗略前景边缘图，并通过使用MediaPipe应用框架作为手部姿态估计，对手部骨干粗略前景边缘图上的关节点进行位置预测。
[0032]参见图1
‑
2，一种用于小儿骨龄评估的手部骨干特征图的生成方法，其特征在于：包括如下步骤：
[0033]S100：选取手部X光片A，并将A的大小调整为560x560的图片；
[0034]S200：使用Sobel算法对A进行分割处理，Sobel算法为现有技术，提取得到与A对应的手部骨干粗略前景边缘图；
[0035]使用Sobel算法处理X光片中手骨边缘图的生成速度更快，而且相较于其他边缘算法可以获得更好的边界信息；经过Sobel算法处理处理后的生成图是根据新标准所构造的，优点是可以良好的表达CHN
‑
05中所对应的语义特征，即从而获得结构化的ROI信息，也更加符合后期CHN
‑
05从掌侧、背侧、桡侧、尺侧四个方位评价骨龄的语义描述。
[0036]所述S200中得到A对应的手部骨干粗略前景边缘图的具体步骤如下：
[0037]S210：针对A：使用水平方向矩阵与A上的第i个像素点进行平面卷积,得到第i个像素点横向上的亮度差分近似值G
xi
，具体表达式如下：
[0038][0039]其中，G
xi
表示第i个像素点横向上的亮度差分近似值，A
i
表示第i个像素点；
[0040]使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于小儿骨龄评估的手部骨干特征图的生成方法，其特征在于：包括如下步骤：S100：选取手部X光片A，并将A的大小调整为560x560的图片；S200：使用Sobel算法对A进行分割处理，提取得到与A对应的手部骨干粗略前景边缘图；S300：使用MediaPipe应用框架对A对应的手部骨干粗略前景边缘图上的关节点进行位置预测，得到A的手部ROI拓扑结构图；将该手部ROI拓扑结构图作为A的手部骨干特征图。2.如权利要求1所述的一种用于小儿骨龄评估的手部骨干特征图的生成方法，其特征在于：所述S200中得到A对应的手部骨干粗略前景边缘图的具体步骤如下：S210：针对A：使用水平方向矩阵与A上的第i个像素点进行平面卷积,得到第i个像素点横向上的亮度差分近似值G
xi
，具体表达式如下：其中，G
xi
表示第i个像素点横向上的亮度差分近似值，A

【专利技术属性】
技术研发人员：宋萃，李书香，吴莉婷，周全胜，桂俊峰，蔡奕晴，杨梦宁，简坤元，王思敏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：