[发明专利]一种基于细粒度分类的骨龄评估方法

说明书

一种基于细粒度图像分类的骨龄评估方法，包括：步骤1)左手手腕骨X光片图像的获取；步骤2)输入本发明中设计的基于细粒度分类的骨龄评估网络进行骨龄评估；步骤3)获得骨龄评估结果。本发明利用细粒度图像分类的方法对左手手腕骨X光片进行骨龄评估，设计并实现了一个基于细粒度图像分类的骨龄评估网络，在进行骨龄评估时，仅需输入待评估的X光片以及X光片对应的性别，即可得到评估骨龄值。对于输入的X光片，骨龄评估网络能够自适应地提取出其中包含最多特征信息的若干兴趣区域，利用这些兴趣区域的图像特征来进行精确地骨龄评估。该发明对0至18岁青少年的左手手腕骨X光片都能进行准确地骨龄评估，具有较大地应用价值。

技术领域

本发明涉及一种基于细粒度分类的骨龄评估方法。

背景技术

骨龄评估通常对左手手腕部的X光片图像进行分析，来判断个体的骨龄。传统的骨龄评估方法都是基于人工的，读片者通过比较待评估X光片与标准X光片中手腕部骨骼大小、形态上的差异，进行骨龄评估。传统的骨龄评估方法有计数法、图谱法以及计分法三类。这些评估方法都需要具有一定专业知识的专家来进行，一张X光片的评估往往花费时间很久。得益于神经网络的发展，越来越多基于深度学习的骨龄评估方法被提出，这些方法能够在几秒的时间内就完成对一张X光片骨龄评估，且评估结果的准确性与骨龄领域的相关专家相当。在这些方法中，一部分方法直接对整张X光片图像进行特征提取来进行骨龄评估，这样的方法虽然对整张X光片的特征进行了利用，但无法确定X光片中哪些部分对于骨龄评估起到了关键作用，方法的可解释性较低。另一部分方法首先对X光片进行分割，提取出兴趣区域，再利用卷积神经网络提取这些兴趣区域的图像特征来进行骨龄评估，这些方法可解释性较高，而兴趣区域的选择大多基于计分法的评判标准，需要一定的先验知识以及对目标兴趣区域的额外标注。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于细粒度分类的骨龄评估方法。

本发明解决技术问题采用如下技术方案：

一种基于细粒度分类的骨龄评估方法，包括以下步骤：

步骤1：左手手腕骨X光片图像的获取；

步骤2：输入本发明中设计的基于细粒度分类的骨龄评估网络进行骨龄评估；

步骤3：获得骨龄评估结果。

步骤1具体包括：

1)使用python库函数scipy.misc.imread()函数读取待评估的X光片图像，保存为array数据类型。

2)使用python库函数Image.fromarray()函数将array数据类型转化为Image数据类型。

3)使用python库函数transforms.Resize()函数将图像数据都转化成448*448的大小，对所有待评估的X光片图像都使用相同的大小。

4)使用python库函数transforms.ToTensor()将图像数据转化为Tensor向量，以供后续的骨龄评估网络使用。

步骤2使用的骨龄评估网络分为4个部分，分别是特征提取器、兴趣区域选择子网、指导子网和评估子网：

1)特征提取器；

使用ResNet50作为特征提取器来提取左手手腕部X光片的图像特征。将ResNet50网络最后的全连接层和Softmax层去除，仅使用网络的特征提取部分。经过特征提取器，将X光片中地图像特征提取出来，生成特征图。

2)兴趣区域选择子网；

兴趣区域选择子网的主要作用就是根据特征提取器所提取出的图像特征，选取出X光片中具有最大信息量的兴趣区域，即具有最多图像特征的兴趣区域。