[发明专利]一种骨龄识别方法、系统及电子设备

权利要求书

1.一种骨龄识别方法，其特征在于，包括：

步骤a：将骨骼图像输入目标骨骼位置检测模型，通过所述目标骨骼位置检测模型检测骨骼图像中目标骨骼的位置坐标；

步骤b：根据所述目标骨骼的位置坐标剪切出目标骨骼图片；

步骤c：将所述目标骨骼图片输入骨骼阶段分类模型进行骨龄识别；

所述步骤a前还包括：在采集的骨骼图像中标记出目标骨骼区域，得到目标骨骼位置检测数据集；并构建目标骨骼区域检测模型，通过所述目标骨骼位置检测数据集中的骨骼图像对目标骨骼位置检测模型进行训练；

所述目标骨骼区域检测模型包括RPN网络与Fast R-CNN网络，所述RPN网络与Fast R-CNN网络共享底层卷积层，底层卷积层包括5层卷积层，底层卷积层后包括第六卷积层，第六卷积层连接2个卷积分支，通过2个卷积分支分别输出初始区域分类得分与边界框，构成RPN网络，通过RPN网络提取目标骨骼的初始兴趣区域；所述底层卷积层通过ROI池化层连接第一全连接层和第二全连接层，所述第一全连接层和第二全连接层根据所述初始兴趣区域分别输出分类得分与边界框位置坐标；

在所述步骤c中，所述将所述目标骨骼图片输入骨骼阶段分类模型进行骨龄识别还包括：根据骨骼成熟度评定标准标记出目标骨骼图片对应的骨龄标签，得到骨龄阶段分类数据集，并构建骨骼阶段分类模型，通过所述骨龄阶段分类数据集对构建骨骼阶段分类模型进行训练。

2.根据权利要求1所述的骨龄识别方法，其特征在于，所述步骤a前还包括：采集骨骼图像；所述骨骼图像为X光图片。

3.根据权利要求2所述的骨龄识别方法，其特征在于，所述通过骨龄阶段分类数据集对构建骨骼阶段分类模型进行训练具体包括：

步骤c1：初始化骨龄阶段分类模型参数；

步骤c2：对目标骨骼图片进行卷积池化处理，提取目标骨骼图片的特征信息；

步骤c3：对提取的尺骨图片和/或桡骨图片的特征信息进行运算，得到各类概率，并输出目标骨骼图片对应的骨龄预测值；

步骤c4：根据输出的骨龄预测值与所述骨龄标签间的误差构成损失函数，并判断损失函数是否满足最小值，如果不满足最小值，运用反向传播算法调整网络参数；如果满足最小值，保存网络参数。

4.一种骨龄识别系统，其特征在于，包括：

位置检测模块：用于将骨骼图像输入目标骨骼位置检测模型，通过所述目标骨骼位置检测模型检测骨骼图像中目标骨骼的位置坐标；

图片剪切模块：用于根据所述目标骨骼的位置坐标剪切出目标骨骼图片；

骨龄识别模块：用于将所述目标骨骼图片输入骨骼阶段分类模型进行骨龄识别；

所述系统还包括：

区域标记模块：用于在采集的骨骼图像中标记出目标骨骼区域，得到目标骨骼位置检测数据集；

第一模型构建模块：用于构建目标骨骼区域检测模型，通过所述目标骨骼位置检测数据集中的骨骼图像对目标骨骼位置检测模型进行训练；

所述目标骨骼区域检测模型包括RPN网络与Fast R-CNN网络，所述RPN网络与Fast R-CNN网络共享底层卷积层，底层卷积层包括5层卷积层，底层卷积层后包括第六卷积层，第六卷积层连接2个卷积分支，通过2个卷积分支分别输出初始区域分类得分与边界框，构成RPN网络，通过RPN网络提取目标骨骼的初始兴趣区域；所述底层卷积层通过ROI池化层连接第一全连接层和第二全连接层，所述第一全连接层和第二全连接层根据所述初始兴趣区域分别输出分类得分与边界框位置坐标；

所述系统还包括：

骨龄标记模块：用于根据骨骼成熟度评定标准标记出目标骨骼图片对应的骨龄标签，得到骨龄阶段分类数据集；

第二模型构建模块：用于构建骨骼阶段分类模型，通过所述骨龄阶段分类数据集对构建骨骼阶段分类模型进行训练。

5.根据权利要求4所述的骨龄识别系统，其特征在于，还包括图像采集模块，所述图像采集模块用于采集骨骼图像；所述骨骼图像为X光图片。