[发明专利]一种人工智能骨龄检测方法

权利要求书

1.一种人工智能骨龄检测方法，其特征在于，包括如下步骤：

影像获取步骤，采用X光机拍摄两个以上相同性别的青少年的手骨影像图，记录每一青少年的年龄；

预处理步骤，将每一手骨影像图分成两个以上特征区域,从所述特征区域选择两个以上有效区域；对每一有效区域进行卷积池化处理，提取每一有效区域的特征数据；所有有效区域的特征数据的集合即为手骨影像图对应的影像数据；

样本生成步骤，生成两个以上数据化样本，每一数据化样本包括一青少年的年龄及该青少年的手骨影像被数据化处理后获得的一组影像数据；

样本分类步骤，将两个以上所述数据化样本分成训练样本及测试样本两类；

样本分组步骤，将所述训练样本被分成两个以上组别，同一组别的训练样本标识有相同的组别标签，所述组别标签代表青少年的年龄；

数据模型构建步骤，利用两个以上训练样本的影像数据及组别标签构建并训练初级数据模型；

验证步骤，根据至少一测试样本的影像数据对所述初级数据模型进行验证处理；

数据模型优化步骤，根据验证的结果构建优化数据模型；

被检测样本采集步骤，采集一被检测样本，其为一被检测人的手骨影像的数据化样本，包括该被检测人的手骨影像被数据化处理后获得的一组影像数据；以及

骨龄判断步骤，将所述待检测样本录入至所述优化数据模型，所述优化数据模型获取所述待检测样本的组别标签，判断所述被检测人的骨龄。

2.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

所述青少年手骨影像包括青少年在手掌平展状态下的指骨和/或掌骨和/或腕骨的影像；

所述被检测人手骨影像包括被检测人在手掌平展状态下的指骨和/或掌骨和/或腕骨的影像。

3.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

在所述预处理步骤中，包括：

特征筛选步骤，从所述已经划分好的特征区域选择17个有效区域；和/或，

每一有效区域包括至少一骨骼连接处影像或至少一骨骼的全部或部分影像。

4.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

所述初级数据模型包括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，底层卷积层包括五层卷积层，底层卷积层后包括第六卷积层，第六卷积层连接两个卷积分支，通过两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。

5.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

所述验证步骤，包括如下步骤：

测试样本的组别标签预估步骤，将一测试样本的一组影像数据与所述初级数据模型相乘，对其乘积进行四舍五入处理，获取该测试样本的组别标签预估值；或者，将一测试样本的两组以上质谱数据与所述数据模型相乘，将其乘积按照数值大小排成数列，对其中位值进行四舍五入处理，获取该测试样本的组别标签预估值；以及

测试样本的组别标签对比步骤，将该测试样本的组别标签预估值与其组别标签对比，判断所述初级数据模型的准确率。

6.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

在所述数据模型优化步骤中，

当所述初级数据模型的准确率小于一预设阈值时，

返回所述样本分组步骤，重新选择训练样本。

7.如权利要求1所述的人工智能骨龄检测方法，其特征在于，

所述被检测样本采集步骤，包括如下步骤：

被检测影像获取步骤，采用X光机拍摄一被检测人的手骨影像图，该被检测人的性别与所述青少年的性别相同；

被检测样本预处理步骤，对所述手骨影像图进行数据化处理，获取一组被检测影像数据，包括至少一被检测特征数据；以及

被检测数据化样本生成步骤，生成一被检测数据化样本，包括所述被检测影像数据。