(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