[发明专利]一种人体股骨X光片智能识读方法及系统

权利要求书

1.一种人体股骨X光片智能识读方法，其特征在于：包括下列步骤，

S1：对骨骼X光片进行除噪预处理，使图像平滑，并通过图像锐化，增强图像对比度；

S2：通过自适应辐射梯度法快速提取X光片中股骨关节这一关键部位的轮廓特征；

S3：利用尺度不变特征转换算法对骨骼X光片图像进行特征提取；

S4：通过改进的BP神经网络进行特征匹配，输出诊断结果，完成人体股骨X光片的智能识读；

其中，在S1中对骨骼X光片进行除噪预处理时，首先对骨骼X光片图像进行二值化处理，以便后续快速进行特征的分割、提取和识别；

计算样本X光片图像在去掉背景后灰度级i对应的灰度级平均值μ_i为：

其中，y_i是图像直方图上灰度级为i所对应的像素总数，y_j为背景直方图灰度级为j所对应的像素总数，s为背景灰度级最大值；X光片图像灰度级最大取值为n，b为位图灰度级最大值n＝2^b；

利用上述平均值计算得到最优化的二值化阈值m：

j＝0,1,…,p，表示灰度级；m是j在上式取得最大值时的对应值，即二值化阈值，这样得到的阈值将最大限度将各灰度级的像素均匀的二值化；

利用上述阈值产生二值图像：

其中，f(x，y)是图像的灰度函数，(x，y)是像素坐标，1(x，y)表示二值处理的上限值，0(x，y)表示二值处理的下限值；

确定一个奇数像素的窗口W，将各像素按灰度值进行排序，用窗口中其他点灰度值的中值作为窗口中心点的灰度值：

g(x，y)＝med{f(x-k，y-l)，(k，l∈W)}

其中，f(x，y),g(x，y)分别是原始图像和处理后的图像,med表示取中位值，k，l是邻域内各点到该点的距离；

通过拉普拉斯滤波器对图像进行锐化处理：

从而增强图像的对比度，有利于边缘特征点的提取；

S4中激活函数、隐含层等要素做如下设置：

输入层：股骨X平片的特征点X＝{X₁,X₂,…,X_q}，q>50，

隐含层：隐含层神经元数其中q为输入层特征点数，k₁为输出层分类类别数，表示向上取整，表示向下取整，隐含层激活函数统一采用可导并且有下边界无上边界的特性函数来克服“梯度消失”和“输入饱和”；

连接权值：输入层与隐含层各连接权值为ω_ij，隐含层与输出层各连接权值为ω_jt；

阈值：隐含层神经元阈值为θ_j，j为隐含层神经元计数；输出层神经元阈值为b_t，t为输出层神经元计数；

输出层：神经元个数等于分类类别数k₁，输出层激活函数采用softMax函数进一步克服“梯度消失”和“饱和”问题；

误差：在多分类背景下，为了加快神经网络的收敛速度，采用如下方法计算误差，其中δ表示输出的系统误差，表示输出层第t个神经元的预测输出，z_t表示输出层第t个神经元对应的实际结果，表示预测输出与实际结果由差异的数量，确定了以上网络结构，即可根据典型BP神经网络的迭代过程展开训练。

2.按照权利要求1所述的人体股骨X光片智能识读方法，其特征在于：S2中通过自适应辐射梯度法提取股骨关节轮廓特征时，利用最小二乘法拟合出一条近似的股骨体中轴线，股骨头位于股骨最上端，类似于球形，通过股骨头区域的各边界点坐标，用最小二乘法拟合一个股骨头的近似圆形，求出圆形半径。