申请/专利权人：浙江康体汇科技有限公司

申请日：2019-03-26

公开（公告）日：2022-06-28

公开（公告）号：CN109948614B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/25;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2022.06.28#授权;2019.07.23#实质审查的生效;2019.06.28#公开

摘要：本发明公开了一种基于机器学习的手腕骨兴趣区域切割方法，本发明利用机器学习的方法对医学图像分割，通过中心点裁切和切割框尺寸大小自适应结合使用达到更好的效果。本发明的方法在保证每个个体大小尺寸独立的前提下，进而对于每块手腕骨图片做出更加精准的切割，提取特征。本发明可以对任意身高和年龄均能生成自适应切割框，为手腕骨等级更精准判定提供了数据支持。本发明的方法可以应用于使用图像识别领域的特征区域切割，极大地提升深度学习网络的识别率。

主权项：1.一种基于机器学习的手腕骨兴趣区域切割方法，其特征在于，包括以下步骤：1根据实际情况选取一批不同年龄和身高的手腕骨样本，对其中的每个样本片，对CHN骨龄评估法所针对的14块骨头的几何中心点进行标定；所述的14块骨头分别为：桡骨，掌1，掌3，掌5，近1，近3，近5，中3，中5，远1，远3，远5，头状骨，钩骨；2对每个样本片，基于前一步中所标定的几何中心点，进一步对于每块骨头标定出长宽适当且能完整包裹骨龄等级识别所需要的图片信息的长方形裁切区域，完成下一步骤的机器学习所要用的数据集制作；3以每个手腕骨样本的年龄和身高作为输入，该手腕骨样本的14块骨头兴趣区域大小作为输出，利用机器学习网络对样本集进行训练，得到训练好的模型；4当需要切割一张新的待评估骨龄的手腕骨片的14块骨头兴趣区域时，向训练好的手腕骨切割网络模型输入该手腕骨片对应的年龄与身高信息，模型返回14块骨头兴趣区域大小；5在待评估骨龄的手腕骨片中，对于每块手腕骨，手动标定出它的几何中心点，然后基于步骤4中所输出的14块骨头兴趣区域大小来进行切割出这14块骨头。

全文数据：一种基于机器学习的手腕骨兴趣区域切割方法技术领域本发明涉及医学图片的自适应切割技术领域，具体地，涉及一种基于机器学习的手腕骨兴趣区域切割方法。背景技术现在深度学习在图像识别、自然语言处理、语音识别等领域有着非常广泛的前景。随着深度学习技术在医学图像方面的广泛应用，骨龄自动评估也成为一大热点。基于差方分析自动赋权的成熟度集合平均法，即CHN法，是针对中国人手腕骨的评价方法，该方法对14块手腕骨做出相应的等级评价。结合深度学习网络对14块手腕骨医学图像的数据集学习进而达到自动判断骨龄的目的。由于不同身高和不同年龄段的手腕骨龄片图像来说，14块骨头的大小是不均衡的，年龄越大往往14块骨头也越大无法通过固定大小区域完成较精确地提取，对于从整张手腕骨医学图片中分离出14块独立的特征区域是要依靠大量人工切割图像，较为费时费力。因此，如何利用切割框尺寸大小自适应方法来提高特征区域图像提取是非常值得持续深入研究的重要问题。发明内容本发明目的是克服手腕骨医学图像不同身高、年龄所需要的切割框大小尺寸不能统一固定的问题，基于机器学习对手腕骨医学图像分割，提供一种骨龄图片大小自适应的自动裁切方法。本发明解决技术问题采用如下技术方案：一种基于机器学习的手腕骨兴趣区域切割方法，包括以下步骤：1根据实际情况选取一批不同年龄和身高的手腕骨样本，对其中的每个样本片，对CHN骨龄评估法所针对的14块骨头的几何中心点进行标定；所述的14块骨头分别为：桡骨，掌1，掌3，掌5，近1，近3，近5，中3，中5，远1，远3，远5，头状骨，钩骨；2对每个样本片，基于前一步中所标定的几何中心点，进一步对于每块骨头标定出长宽适当且能完整包裹骨龄等级识别所需要的图片信息的长方形裁切区域，完成下一步骤的机器学习所要用的数据集制作；3以每个手腕骨样本的年龄和身高作为输入，该手腕骨样本的14块骨头兴趣区域大小作为输出，利用机器学习网络对样本集进行训练，得到训练好的模型；4当需要切割一张新的待评估骨龄的手腕骨片的14块骨头兴趣区域时，向训练好的手腕骨切割网络模型输入该手腕骨片对应的年龄与身高信息，模型返回14块骨头兴趣区域大小；5在待评估骨龄的手腕骨片中，对于每块手腕骨，手动标定出它的几何中心点，然后基于步骤4中所输出的14块骨头兴趣区域大小来进行切割出这14块骨头。本发明具有如下有益效果：本发明利用机器学习的方法对医学图像分割，通过中心点裁切和切割框尺寸大小自适应结合使用达到更好的效果。本发明的方法在保证每个个体大小尺寸独立的前提下，进而对于每块手腕骨图片做出更加精准的切割，提取特征。本发明可以对任意身高和年龄均能生成自适应切割框，为手腕骨等级更精准判定提供了数据支持。本发明的方法可以应用于使用图像识别领域的特征区域切割，极大地提升深度学习网络的识别率。具体实施方式下面结合实施例对本发明的技术方案作进一步阐述。实施例本实施例提供了一种基于机器学习的手腕骨兴趣区域切割方法，包括以下步骤：1根据实际情况选取一批不同年龄和身高的手腕骨样本，对其中的每个样本片，对CHN骨龄评估法所针对的14块骨头的几何中心点进行标定；所述的14块骨头分别为：桡骨，掌1，掌3，掌5，近1，近3，近5，中3，中5，远1，远3，远5，头状骨，钩骨；2对每个样本片，基于前一步中所标定的几何中心点，进一步对于每块骨头标定出长宽适当且能完整包裹骨龄等级识别所需要的图片信息的长方形裁切区域，完成下一步骤的机器学习所要用的数据集制作；3以每个手腕骨样本的年龄和身高作为输入，该手腕骨样本的14块骨头兴趣区域大小作为输出，利用机器学习网络对样本集进行训练，得到训练好的模型；4当需要切割一张新的待评估骨龄的手腕骨片的14块骨头兴趣区域时，向训练好的手腕骨切割网络模型输入该手腕骨片对应的年龄与身高信息，模型返回14块骨头兴趣区域大小；5在待评估骨龄的手腕骨片中，对于每块手腕骨，手动标定出它的几何中心点，然后基于步骤4中所输出的14块骨头兴趣区域大小来进行切割出这14块骨头。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

权利要求：1.一种基于机器学习的手腕骨兴趣区域切割方法，其特征在于，包括以下步骤：1根据实际情况选取一批不同年龄和身高的手腕骨样本，对其中的每个样本片，对CHN骨龄评估法所针对的14块骨头的几何中心点进行标定；所述的14块骨头分别为：桡骨，掌1，掌3，掌5，近1，近3，近5，中3，中5，远1，远3，远5，头状骨，钩骨；2对每个样本片，基于前一步中所标定的几何中心点，进一步对于每块骨头标定出长宽适当且能完整包裹骨龄等级识别所需要的图片信息的长方形裁切区域，完成下一步骤的机器学习所要用的数据集制作；3以每个手腕骨样本的年龄和身高作为输入，该手腕骨样本的14块骨头兴趣区域大小作为输出，利用机器学习网络对样本集进行训练，得到训练好的模型；4当需要切割一张新的待评估骨龄的手腕骨片的14块骨头兴趣区域时，向训练好的手腕骨切割网络模型输入该手腕骨片对应的年龄与身高信息，模型返回14块骨头兴趣区域大小；5在待评估骨龄的手腕骨片中，对于每块手腕骨，手动标定出它的几何中心点，然后基于步骤4中所输出的14块骨头兴趣区域大小来进行切割出这14块骨头。

百度查询： 浙江康体汇科技有限公司 一种基于机器学习的手腕骨兴趣区域切割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD