[发明专利]基于卷积神经网络的全自动骨龄评定方法

说明书

本发明涉及医学图像处理领域，旨在提供一种基于卷积神经网络的全自动骨龄评定方法。该方法包括：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；构建并训练卷积神经网络；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。本发明借助于卷积神经网络来评估骨龄，可以自动实现评估结果的导出。本发明能够克服现有技术中全自动分割方法将手腕骨图像过分割导致关键特征遗失的缺陷，将自动评估结果实现误差6个月内的准确率达到80％，误差1年内的准确率达到95％，使其符合临床应用可接受要求。

技术领域

本发明是关于医学图像处理领域，特别涉及基于卷积神经网络的全自动骨龄评定方法。

背景技术

骨龄是评估青少年儿童骨骼发育程度，衡量生物学年龄的客观指标。目前，骨龄广泛应用于影响青少年儿童生长发育疾病的治疗检测。可以通过骨龄来评价分析体格生长与日历年龄是否一致，以便早期发现生长偏离；可以通过骨龄预判青春期发育情况，以骨龄与日历年龄的差别间接了解青少年儿童的生长潜力；可以通过骨龄的测定来帮助诊断一些儿科内分泌疾病；此外，骨龄为司法鉴定、推测人口出生时间等提供科学、客观的法律依据。现阶段，国内骨龄主要通过拍摄骨龄片，然后由骨龄专家人工评定骨龄。而人工判读具有工作量大、测定周期长、主观性强等缺点。因此急需建立好的骨龄自动评估方法。

现有的全自动分割方法基本考虑基于G-P或TW标准进行评估，需要对手腕骨或特征骨块进行提取，通常会出现过分割的情况，可能遗失部分重要特征。目前公开的全自动骨龄评估误差最小能查询到的在一年内的准确率不足95％，而临床上需要把评估误差控制在6个月内。

因此，提出一种能满足临床需求的全自动骨龄评估方法在临床医学应用上很有必要。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于卷积神经网络的全自动骨龄评定方法。

为解决上述技术问题，本发明的解决方案是：

本发明提供了一种基于卷积神经网络的全自动骨龄评定方法，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。

本发明中，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。

本发明中，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；通过训练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。

本发明中，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。

本发明中，所述步骤(3)具体包括：