申请/专利权人：浙江工业大学

申请日：2020-08-29

公开（公告）日：2024-04-16

公开（公告）号：CN112132788B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/764;G06V10/82;G06N3/0499;G06N3/0455;G06N3/082;G06V10/44

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：一种基于特征区域等级识别的骨龄评估方法，从每个全手掌骨中分割出用于骨龄评估的14块特定骨头；使用3种数据增强技术来扩大数据集并增加网络的泛化能力；引入双注意力卷积模型对每块骨头训练得到骨成熟等级评估模型。不同于传统基于全掌的评估智能模型，本发明方法引入注意力机制对切割后的局部特征图进行联合分析，进一步提高评估的准确率。测试结果优于基于全手掌骨图像的骨龄自动评估方法。

主权项：1.一种基于特征区域等级识别的骨龄评估方法，其特征在于，所述方法包括以下步骤：1采用faster-rcnn方法自动对每张手骨片中14块骨头的感兴趣特征区域ROI进行标定和切割，并对图片进行随机旋转、随机平移裁剪、随机中心裁剪的组合操作实现数据增强；2构建通道注意力模块，针对输入特征图的通道数、高度、宽度，双池化操作后使用共享多层感知机生成的注意力图谱，视为对特定类别的响应；所述通道注意力模块构建过程为：给定输入特征F∈RC×H×W，其中C是特征图的通道数，H是特征图的高度，W是特征图的宽度，同时使用平均池化和最大池化的特征，生成两个不同的通道描述符然后这两个描述符分别通过一个共享多层感知机模型MLP来生成通道注意力权重图Mc∈RC×1×1，将隐藏层规模设置为其中r是缩减率，默认r＝16；通过共享MLP层后，使用求和得到输出特征，通道注意力计算公式如下：McF＝σMLPAvgPoolF+MLPMaxPoolF 其中σ表示激活函数Sigmoid，δ表示激活函数Relu，和分别表示MLP中第一层和第二层的权重；3构建空间注意力模块，针对输入特征图进行双池化操作生成两个二维孔教描述符，并使用7*7的卷积核进行卷及操作，生成空间注意力图；所述空间注意力模块构建过程为：对于输入的特征图F∈RC×H×W，首先沿着通道轴进行平均池化和最大池化操作，从而生成两个二维空间描述符和连接上述两个空间描述符所表示的特征，然后使用7×7的卷积核进行卷积操作，生成空间注意力图MsF∈R1×H×W，空间注意力计算如下：Ms＝σf7×7[AvgPoolF；MaxPoolF] 其中σ表示Sigmoid激活函数，f7×7表示卷积操作，并且卷积核大小为7×7，C表示输入特征图的通道数；4对分类准确率低且等级分布特别不均衡的特征区域使用Focalloss函数，对神经网络模型进行优化。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于特征区域等级识别的骨龄评估方法

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