[发明专利]一种手腕部参照骨特征区域自适应提取方法

说明书

一种手腕部参照骨特征区域自适应提取方法，包括以下步骤：步骤1：参照骨特征区域图像的提取和处理；步骤2：训练生成参照骨特征区域的自适应提取模型；步骤3：参照骨特征区域的自适应提取。本发明通过特征区域自适应的提取方法，准确地提取出手腕部参照骨的特征区域；在保证参照骨特征信息完整的基础上，减少了周边骨块、肌肉组织的干扰。该发明对所有参照骨均有较强的普适性，对骨龄的自动识别和临床医生评测骨龄都有重要意义。

技术领域

本发明涉及一种手腕部参照骨特征区域提取方法。

背景技术

通过评测参照骨的成熟等级，综合所有参照骨成熟等级来计算骨龄的方法是目前医学界最普遍的骨龄计算方法，同时计分方式算出的骨龄值偏差较小。无论是临床医生评测参照骨的成熟等级，还是使用人工智能评测参照骨的成熟等级，由于在X线片中手腕部的参照骨形状不规则，参照骨与周边肌肉组织的对比度不高，当骨龄较大时参照骨会和周边其他骨块发生融合，为专家测评尤其是人工智能测评参照骨的成熟等级增大了难度。如何从手腕骨中提取参照骨的特征区域，在保证参照骨特征信息完整的基础上，还要减少周边骨块、肌肉组织的干扰是一个挑战。

目前常见的手腕部参照骨提取方法多是基于边缘检测、或兴趣区域识别、或是手工切割来实现的。但当大批量进行分割，以及参照骨和其他骨块随着骨龄增大而开始融合的时候，这些方法的准确率会下降。

发明内容

为了克服现有手腕部参照骨提取方法的准确率较低的不足，本发明提供一种准确率较高的手腕部参照骨特征区域提取方法。

本发明解决技术问题采用如下技术方案：

一种手腕部参照骨特征区域提取方法，包括以下步骤：

步骤1：手腕部参照骨特征区域图像的提取和处理，过程如下：

1.1)使用工具软件LabelImg标注手腕部X线片，用作特征区域自适应提取模型的训练学习，分为训练集和测试集，利用工具软件标注出参照骨特征区域的左上角坐标和右下角坐标，特征区域的尺寸大小确定原则是在保留参照骨完整信息的基础上，尽可能减少特征区域中的软组织和其他骨块；

1.2)完成图片的标注后，提取出参照骨的特征区域图像；

1.3)取得特征区域图像的尺寸信息，即长和宽，公式为：

其中(x_min,y_min)是参照骨特征区域的左上角坐标，(x_max,y_max)是参照骨特征区域的右下角坐标；

步骤2：训练生成参照骨特征区域的自适应提取模型，过程如下：

2.1)提取X线片所属者的身高和年龄信息，身高与年龄和手腕骨的大小、形态存在较强相关性；将身高、年龄信息和参照骨特征区域的尺寸一一对应起来，完成训练集和测试集的制作；

2.2)搭建BP神经网络，给定输入层的神经元个数、隐藏层的神经元个数和输出层神经元个数；

2.3)构建损失函数，采用最小绝对偏差损失函数(Least absolute deviationsloss，L1 Loss)，公式如(1-2)所示。

其中truth为期待的目标输出真实值，x_i为传输层的输出值；

2.4)将身高和年龄信息作为输入信号，输入BP神经网络，通过前向传播从输入层到隐藏层，最后到达输出层，在输出端的得到输出信号，即参照骨特征区域尺寸；对误差进行反向传播，对神经元之间的连接权值进行更新，权值更新公式如下：