[发明专利]一种结合空洞卷积和高效率网络的骨龄检测方法

权利要求书

1.一种结合空洞卷积和高效率网络的骨龄检测方法，其特征在于，包括如下步骤：

S1：构建骨龄识别数据集，对现有手骨数据集进行处理；

S2：根据骨龄识别数据集，构建结合空洞卷积和高效率网络的骨龄检测模型进行训练；

S3：检测阶段加载训练最优的模型权重进行结果预测，将手骨X光图片送入结合空洞卷积和高效率网络的骨龄检测模型进行预测。

2.根据权利要求1所述的结合空洞卷积和高效率网络的骨龄检测方法，其特征在于，所述步骤S1的步骤如下：

S1.1：获取手骨数据集，图片数据集为手骨X光图片；

S1.2：将获取的手骨数据集图片进行填充，利用Python语言将非正方形图片填充至正方形；

S1.3：利用数据增强对手骨数据集图片扩展。

3.根据权利要求2所述的结合空洞卷积和高效率网络的骨龄检测方法，其特征在于，所述步骤2中，构建结合空洞卷积和高效率网络的骨龄检测模型的步骤如下：

S2.1：输入网络所需的超参数，即初始样本像素、批处理样本个数和迭代次数，使用大小为3×3×32、步长为1的卷积核对输入数据集进行空洞卷积并使用Swish函数进行激活，得到初次提取的初始特征；

S2.2：对卷积得到的特征图进行处理，得到和通道数相同的一维向量作为每个通道的评价分数，然后将分数分别加权到对应的通道；

S2.3：为构建结合空洞卷积和高效率网络的MBconvBlock1-MBconvBlock7进行膨胀卷积；

S2.4：为构建结合空洞卷积和高效率网络的池化层和FC层，对卷积提取到的特征进行分类，选取最优模型就行保存。