[发明专利]一种基于位置点匹配的手腕骨兴趣区域修复方法

说明书

一种基于位置点匹配的手腕骨兴趣区域修复方法，包括：根据人手腕图像以及对应的参照骨ROI标注信息，准备匹配数据集；计算参照骨ROI中心点坐标，作为匹配位置点；根据位置点坐标，计算样本与匹配数据集中所有骨骼区域的匹配距离；将数据集中匹配距离最短的骨骼区域作为目标参照骨ROI，并填补参照骨ROI集合。本发明通过参照骨的位置点大数据样本，自动匹配并填补参照骨ROI集合中缺失的参照骨类型，准确率高、泛化能力强；本方法可以完整且准确地提取出人手腕中所有参照骨ROI，具备高度扩展性、可操作性。

技术领域

本发明涉及一种基于位置点匹配的手腕骨兴趣区域修复方法。

背景技术

骨龄也称骨骼年龄，用于表示骨骼的生长发育程度，是评价个体发育程度的重要指标之一。骨龄评估在众多领域具有广泛的应用，如鉴定嫌疑人或受害者的生理年龄、运动员选材和儿童成年后身高预测等。

骨龄评估的方法有很多种，现在国际上比较常用的有图谱法和计分法。图谱法将手骨图片与标准手骨图谱比较，选择最接近的标准手骨图谱的骨龄作为该手骨图片的骨龄；计分法则根据判定每块参照骨的成熟指征，通过成熟指征组合计算出骨龄。其中，完整地提取出手腕参照骨的兴趣区域(Region of Interest,ROI)是保证骨龄精确评估的关键。

将深度学习用于手腕骨兴趣区域的提取，已经越来越成为发展趋势。然而现有的方法大多数基于传统图像处理方法，如形态学、边缘处理、区域生长等，操作复杂度较高，复现起来比较困难。而且普通的卷积神经网络在参照骨的兴趣区域提取中，存在部分参照骨漏判的情况，导致参照骨ROI数量不完整，极大地影响了后续骨龄评估的准确率。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于位置点匹配的手腕骨兴趣区域修复方法。

本发明包括：根据人手腕图像以及对应的参照骨ROI标注信息，准备匹配数据集；计算参照骨ROI中心点坐标，作为匹配位置点；根据位置点坐标，计算样本与匹配数据集中所有骨骼区域的匹配距离；将数据集中匹配距离最短的骨骼区域作为目标参照骨ROI，并填补参照骨ROI集合。本发明通过参照骨的位置点大数据样本，自动匹配并填补参照骨ROI集合中缺失的参照骨类型，准确率高、泛化能力强；本方法可以完整且准确地提取出人手腕中所有参照骨ROI，具备高度扩展性、可操作性。

本发明解决技术问题采用如下技术方案：

一种基于位置点匹配的手腕骨兴趣区域修复方法，包括以下步骤：

步骤1：准备匹配数据集；

步骤2：计算参照骨ROI位置点坐标；

步骤3：计算参照骨ROI匹配距离；

步骤4：填补参照骨ROI。

作为本发明的进一步优化，所述的步骤1具体包括：

1)确定骨龄评估计分法中要提取的所有参照骨的类型BON；

2)将所有参照骨按骨骼位置划分为4个骨骼区域，分别为指骨Ⅰ、指骨Ⅲ、指骨Ⅴ、腕骨区域，记为ZHO，ZHT，ZHF，WAN。每个骨骼区域内含若干不同参照骨类型；

BON＝ZHO∪ZHT∪ZHF∪WAN (1-1)

REG＝{ZHO,ZHT,ZHF,WAN} (1-2)

3)定义参照骨顶点坐标集合为B，B中第n块参照骨坐标为b_n，n∈BON，其左上角顶点坐标记为(x_top,y_top)，右下角顶点坐标记为(x_bot,y_bot)，则b_n的顶点坐标表示为：