(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211076541.3
(22)申请日 2022.09.05
(71)申请人 重庆大学
地址 400044 重庆市沙坪坝区沙正 街174号
(72)发明人 简坤元 杨梦宁 王思敏
(74)专利代理 机构 重庆晟轩知识产权代理事务
所(普通合伙) 50238
专利代理师 王海凤
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 5/00(2006.01)
G06T 7/13(2017.01)
G06V 10/30(2022.01)
G06V 10/36(2022.01)
G06V 10/44(2022.01)G06V 10/82(2022.01)
(54)发明名称
一种用于小儿骨龄预测的方法
(57)摘要
本发明涉及一种用于小儿骨龄预测的方法,
包括如下步骤: 从带有骨龄标签的手部X光片公
开数据集中随机选取部分手部X光片组成数据
集, 并调整所有图片至规定的大小; 建立TENet模
型, 同时构建训练集; 将训练集作为TENet模型的
输入, 使用Adam优 化器对TENet模型进行训练, 当
达到最大迭代次数时得到训练好的TENet模型。
本发明模型 可以对小儿骨龄进行准确的预测。
权利要求书3页 说明书10页 附图2页
CN 115423779 A
2022.12.02
CN 115423779 A
1.一种用于小儿骨龄预测的方法, 其特 征在于: 包括如下步骤:
S100: 选用公开数据集, 公开数据集包括带有骨龄标签的手部X光片; 随机选取部分手
部X光片组成数据集A, 并将A中所有图片的大小调整为5 60×560;
S200: 建立TENet模型, TENet模型包括手部拓扑模块、 边缘特征增强模块和深度学习网
络改进模型D, 其中, 边缘特征增强模块为改进后的Canny边缘检测算法, 所述改进后的
Canny边缘检测算法使用的是双边滤波 去噪算法和大津算法;
S300: 构建TENet模型的训练集:
S310: 使用自动色彩均衡算法对A中的图片进行图片预处理, 得到A中每张图对应的预
处理图;
S320: 使用手部拓扑模块对A中的图片进行特征提取处理, 得到A中每张图对应的手部
拓扑图;
S330: 使用边缘特征增 强模块对A中图片对应的预处理图进行边缘强化, 得到A中图片
对应的边 缘特征增强图;
S340: 重复S310 ‑S330, 遍历A中所有手部X光片, 得到A中每张图片对应的预处理图、 A中
每张图片对应的手部 拓扑图和A中每张图片对应的边 缘特征增强图;
S350: 将S340得到的所有预处理图、 手部拓扑图和边缘特征增强图共同组成TENet模型
的训练集, 其中, 每张图对应的预处理图、 手部拓扑图和边缘特征增强图组成一个训练样
本;
S400: 预设最大迭代次数, 预设D的初始学习率 为 μ, 对D进行训练:
S410: 将训练集 中的所有训练样本作为D的输入, 使用Adam优化器对D进行训练, 实现对
D的参数更新, 该Adam优化器中使用的是MAE目标损失函数;
当达到最大迭代次数时停止训练, 得到训练好的深度学习网络改进模型D ’;
S420: 将使用D ’的TENet模型作为训练好的TENet模型;
S500: 将一个需要预测未知骨龄的小儿手部X光片输入训练好的TENet模型, 输出即为
对小儿骨龄的预测值。
2.如权利要求1所述的一种用于小儿骨龄预测的方法, 其特征在于: 所述S200中深度学
习网络改进模型D的结构是采用深度学习网络作为主干网络, 顺序依上而 下, 去除掉最顶层
的神经网络层, 然后在原主干网络的最底层后, 依次加上一个3x3的下采样层、 一个3x3的最
大池化层和一个带有32个神经元的全连接层, 并且将A中的手部X光片对应的性别信息通过
全连接层融入图像特 征之中。
3.如权利要求2所述的一种用于小儿骨龄预测的方法, 其特征在于: 所述S310中得到A
中图片对应的预处 理图的具体步骤如下:
S311: 从A中选取第c张图:
S312: 计算第c张图中的任意 一个像素点p的自适应滤波中间变量Rc(p);
其中, p和q表示第c张图上的两个像素点, Ic(p)和Ic(q)分别表示p和q的灰度差, d(p,q)
表示p和q之间的距离度量 函数, Sα(·)表示亮度表达式函数;权 利 要 求 书 1/3 页
2
CN 115423779 A
2S313: 计算第c张图的L(p)值, 计算表达式如下:
其中, L(p)表示像素点p的预处理结果, 像素p的映射区间为[0,255], [minRc(p), maxRc
(p)]表示 L(p)的全定义 域;
S314: 重复S312 ‑S313, 遍历第c张图上所有的像素点, 将第c张图中所有像素点进行预
处理, 得到第c张图对应的预处 理图。
4.如权利要求3所述的一种用于小儿骨龄预测的方法, 其特征在于: 所述S320中得到A
中图片对应的手部 拓扑图的具体步骤如下:
S321: 从A中选取第c张图:
S322: 使用水平方向矩阵与c上的第t个像素点进行平面卷积, 得到第t个像素点横向上
的亮度差分近似值Gxt, 具体表达式如下:
其中, Gxt表示第t个 像素点横向上的亮度差分近似值, ct表示第t个 像素点;
使用垂直方向矩阵与c上的第t个像素点进行平面卷积, 得到第t个像素点纵向上的亮
度差分近似值Gyt, 具体表达式如下:
其中, Gyt表示第t个 像素点纵向上的亮度差分近似值;
S323: 计算c上第t个 像素点的梯度近似值Gt, 表达式如下:
计算c上第t个 像素点的方向, 表达式如下:
其中, α(xt,yt)表示c上第t个 像素点的方向;
S324: 重复S322 ‑S323, 遍历c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c ’;
S325: 对c ’进行阈值 二值化处理, 得到c的手部骨干粗略前 景边缘图。
S326: 使用Medi aPipe应用框架对c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 c的手部拓扑图。
5.如权利要求4所述的一种用于小儿骨龄预测的方法, 其特征在于: 所述S330中得到A
中图片对应的边 缘特征增强图的具体步骤如下:
S331: 从A中选取第c张图:
S332: 计算第c张图上每个像素点的空间邻近度和像素值相似度对第c张图进行双边滤
波去噪处理, 空间邻近度的表达式如下:权 利 要 求 书 2/3 页
3
CN 115423779 A
3
专利 一种用于小儿骨龄预测的方法
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:39:20上传分享