[发明专利]一种基于两阶段神经网络的骨龄评价方法

权利要求书

1.一种基于两阶段神经网络的骨龄评价方法，其特征在于：其实施步骤如下：

步骤一：调整原始输入手骨图像大小为512×512，即按比例缩放，并添加边缘信息；

步骤二：图像掩模提取；针对后续步骤，首先，搭建预训练全卷积分割网络；随后手动选取100张手骨X光影像，手动提取掩模，将其作为训练样本，通过最小化损失函数J(w)训练分割网络；最后使用训练好的分割网络提取全部输入图像的掩模；

式中：y_n是对应像素的二进制值，是像素的预测概率，N是总像素数；

步骤三：生成训练图像；首先使用形态学方法批处理步骤二分割出的图像掩模；计算输入图像与掩模融合后的手骨图像；最后对融合后的图像计算其直方图均衡化的图像；

步骤四：对步骤三中生成的图像分别计算二维单尺度小波变换与Canny算子边缘提取，与直方图均衡后的图像共同组成输入样本的三通道；

步骤五：对步骤四中生成的三通道图像进行数据增强，扩充数据集大小；

步骤六：骨龄预测；首先搭建多输出骨龄预测网络；随后选择11000张手骨X光影像作为训练图像，1000幅手骨X光影像作为测试图像，训练预测网络；最后使用训练好的网络评价骨龄；评价指标为平均绝对误差MAE，

式中，N代表输入样本数量，y_i代表预测骨龄，x_i代表实际骨龄；

在步骤二中所述的“搭建预训练全卷积分割网络”，其作法如下：构建U-Net神经网络，将其编码器部分拆离，使用VGG16网络作为其编码器，使用ImageNet预训练权重初始化编码器部分权重；

在步骤六中所述的“搭建多输出骨龄预测网络”，其作法如下：

使用VGG16网络卷积层提取输入图像的特征，然后接入两个1024个神经元的全连接层，连接层后输出227个二元分类器，第k个分类器判断输入图像的年龄是否大于k个月，满足为1，不满足为0；预测年龄为所有的二元分类器判断结果之和加1，损失函数为对每个二元分类器计算交叉损失熵，并计算每个类别的权重，权重函数如下，

式中，λ_k代表第k个年龄段分类器的重要性，N_k为第k个分类器的样本数，K为228个年龄段；

最后通过最小化损失函数，得到最终的预测骨龄。

2.根据权利要求1所述的一种基于两阶段神经网络的骨龄评价方法，其特征在于：在步骤三中所述的“形态学方法”，其作法如下：首先使用开运算即先腐蚀后膨胀，消除小物体，在纤细点处分离物体，并且平滑大物体的边界；再者，漫水填充方法填充掩模目标区域孔洞；最后寻找掩模面积最大的轮廓作为手骨图像的掩模。

3.根据权利要求1所述的一种基于两阶段神经网络的骨龄评价方法，其特征在于：在步骤三中所述的“计算输入图像与掩模融合后的手骨图像；最后对融合后的图像计算其直方图均衡化的图像”，其作法如下：

将原始图像与掩模逐像素相乘获得融合后手骨图像，

I_m(x,y)＝I(x,y)×M(x,y)

式中，I为原始图像，M为掩模，I_m融合后图像；

对融合后的图像进行直方图均衡，即对原始图像的像素灰度做映射变换,使变换后图像灰度的概率密度呈均匀分布，

式中，r代表图像中像素灰度级，0≤r≤1，n是图像中像素点总数，k是灰度级数。