申请/专利权人：四川文理学院

申请日：2023-03-17

公开（公告）日：2024-04-16

公开（公告）号：CN116342516B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/25;G06V10/26;G06V10/82;G06V10/774;G06V10/80;G06V10/40;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.07.14#实质审查的生效;2023.06.27#公开

摘要：本发明提出了一种基于模型集成的儿童手骨X光图像骨龄评估方法及系统。该方法为：获取儿童手骨X光图像集；构建骨龄预测网络，所述骨龄预测网络包括手骨分割子网络、第一骨龄预测子网络、第二骨龄预测子网络以及骨龄融合模块，所述第一骨龄预测子网络的层数多于所述第二骨龄预测子网络的层数；将儿童手骨X光图像集于手骨分割子网络中提取手骨区域,得到手骨区域的图像集，将提取到的手骨区域的图像与性别信息一起分别于第一骨龄预测子网络、第二骨龄预测子网络中进行训练预测，将第一骨龄预测子网络、第二骨龄预测子网络预测得到的骨龄于所述骨龄融合模块中进行融合，输出最终的骨龄预测值。该方法能取得更好的骨龄预测性能。

主权项：1.一种基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，包括以下步骤：获取儿童手骨X光图像集；构建骨龄预测网络，所述骨龄预测网络包括手骨分割子网络、第一骨龄预测子网络、第二骨龄预测子网络以及骨龄融合模块，所述第一骨龄预测子网络的层数多于所述第二骨龄预测子网络的层数；将儿童手骨X光图像集于手骨分割子网络中提取手骨区域,得到手骨区域的图像集，将提取到的手骨区域的图像与性别信息一起分别于第一骨龄预测子网络、第二骨龄预测子网络中进行训练预测；所述手骨区域与性别信息一起于第一骨龄预测子网络进行训练预测时，所述手骨区域经M个第一可变卷积网络进行特征提取和尺度变换后获得的特征，与性别信息融合后，再经过两个密集连接层及一个全连接层，输出第一骨龄预测子网络的预测骨龄；其中，每个所述第一可变卷积网络的网络层数有若干层，所述第一可变卷积网络包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征；所述手骨区域与性别信息一起于第二骨龄预测子网络进行训练预测时，所述手骨区域经N个第二可变卷积网络进行特征提取和尺度变换后获得特征，与性别信息融合后，再经过两个密集连接层及一个全连接层，输出第二骨龄预测子网络的预测骨龄；其中，每个所述第二可变卷积网络的网络层数有若干层，所述第二可变卷积网络包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征；将第一骨龄预测子网络、第二骨龄预测子网络预测得到的骨龄于所述骨龄融合模块中进行融合，输出最终的骨龄预测值；具体的，骨龄融合模块按以下公式进行骨龄预测： 其中，BA为最终的骨龄预测值，BAH是第一骨龄预测子网络输出的骨龄预测值，BAL是第二骨龄预测子网络输出的骨龄预测值，κH是第一骨龄预测子网络输出的骨龄预测值BAH的权重，κL是第二骨龄预测子网络输出的骨龄预测值BAL的权重，κ是修正值权重，MAEH是第一骨龄预测子网络输出的骨龄预测值BAH的绝对方差，MAEL是第二骨龄预测子网络输出的骨龄预测值BAL的绝对方差。

全文数据：

权利要求：

百度查询： 四川文理学院 基于模型集成的儿童手骨X光图像骨龄评估方法及系统

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