[发明专利]基于卷积神经网络的全自动骨龄评定方法

权利要求书

1.一种基于卷积神经网络的全自动骨龄评定方法，其特征在于，包括以下步骤：

(1)利用资料库中的手腕骨X线片进行标准化预处理，准备训练集；

(2)构建并训练卷积神经网络；

(3)利用训练好的卷积神经网络对新的骨龄片进行数据处理，得到骨龄评定结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)具体包括：

(1.1)从医院的放射检查资料库中收集已标定骨龄的骨龄片，选择图像清晰、数据完整的左手正位片，统一处理呈前景亮、背景暗；

(1.2)对收集到的骨龄片进行图像数字化采样，图像大小为512×512，然后通过全自动分割方法实现手部图像的分割提取；

(1.3)根据骨龄片对应的标注骨龄，将采样所获图像数据按照所标定的骨龄，以m个月为步长标定类别，1≤m≤6。

3.根据权利要求1所述的方法，其特征在于，所述步骤(2)具体包括：

(2.1)从预处理后的手腕骨数据中随机选取90％作为训练集，并对训练集进行数据增广；

(2.2)构建深度卷积神经网络，用于学习训练；该卷积神经网络由多个卷积层、特征提取块和池化层交替实现；

(2.3)将步骤(2.1)中准备好的训练集输入步骤(2.2)中的卷积神经网络，对卷积神经网络中的参数进行训练；通过Adam优化算法降低损失函数值并更新网络权重参数，经过若干次训练后，得到学习后的网络权重参数。

4.根据权利要求1所述的方法，其特征在于，在所述步骤(2.3)中的训练中，根据骨龄片标定数据中的受检者性别进行分类。

5.根据权利要求1所述的方法，其特征在于，所述步骤(3)具体包括：

(3.1)对受验者骨龄片进行标准化预处理，获取清晰完整、大小为512×512的左手正位片图像，将其处理呈前景亮、背景暗；

(3.2)将步骤(3.1)所获图像数据输入经训练的卷积神经网络，通过卷积神经网络的迭代，应用对应受验者性别的训练集训练学习的网络权重参数，输出数据对应类别；

(3.3)根据步骤(3.2)所得到的类别，返回受验者骨龄片所对应的骨龄评定结果。

6.一种基于卷积神经网络的全自动骨龄评定装置，其特征在于，包括：

标准化预处理模块，用于将资料库中的手腕骨X线片进行标准化预处理，准备训练集；

卷积神经网络训练模块，用于训练卷积神经网络；

骨龄评定模块，用于以训练好的卷积神经网络对新的骨龄片进行数据处理，得到骨龄评定结果。

7.一种基于卷积神经网络的全自动骨龄评定装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，能够实现如权利要求1至5任一项所述基于卷积神经网络的全自动骨龄评定方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，能够实现如权利要求1至5任一项所述的基于卷积神经网络的全自动骨龄评定方法。