[发明专利]一种基于视觉模型的骨龄预测方法及装置有效

专利信息
申请号: 202010114863.7 申请日: 2020-02-25
公开(公告)号: CN111325734B 公开(公告)日: 2023-06-27
发明(设计)人: 江翔;何必仕;陈晖;徐哲 申请(专利权)人: 杭州电子科技大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T7/136;G06V10/80;G06V10/54;G06V10/44;G06V10/42;G06V10/46;G06V10/764;G06V10/77
代理公司: 浙江千克知识产权代理有限公司 33246 代理人: 周希良
地址: 310018 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 视觉 模型 预测 方法 装置
【权利要求书】:

1.一种基于视觉模型的骨龄预测方法,其特征在于:输入骨龄X光图像;根据RUS骨块定位模型,确定RUS骨块的粗轮廓;根据自适应手骨分割模型,确定RUS骨块的细轮廓;根据RUS骨块形状-纹理特征提取模型,获取RUS骨块形状-纹理特征参数;以及根据支持向量回归模型,计算得到RUS骨块分项骨龄和个体综合骨龄,具体包含如下步骤:

S10、输入骨龄X光图像,根据RUS骨块定位模型,确定RUS骨块的粗轮廓,包含如下步骤:

S101、判断是否是“左利手”以及手部摆姿是否标准,包括左手掌朝下,五指自然伸直,手腕中轴线与画幅横轴近似垂直;

S102、通过图像平滑、阈值化、腐蚀操作得到手部轮廓图像;

S103、获取手部轮廓图像上具有全局上下文信息的关键点,包括9个手掌峰谷点以及2个手腕部的关键点;

S104、根据手部轮廓上的若干关键点将手部分割为指骨区域、掌骨区域、腕骨区域和桡尺骨区域;

S105、根据9个手掌峰谷点分离出5个手指骨区域,再按照长度比例分割成近端、中端、远端指骨区域,得到指骨粗轮廓;同时联合手腕部2个关键点分离出单个掌骨粗轮廓以及桡、尺骨粗轮廓;

S20、根据训练好的自适应手骨分割模型,确定RUS骨块的细轮廓,包含如下步骤S201~S203:

S201、先按照自适应手骨分割模型的分层搜索原理对待测图像进行降采样,然后在上一步得到的RUS骨块粗轮廓上执行边界搜索算法;

S202、以模型基准轮廓点周围m×m的Patch作为匹配的基本单位,设置每层迭代次数,将所有与轮廓点对应的单位Patch像素点连接成新的灰度梯度向量,并计算与模型标准灰度梯度向量的夹角;

S203、通过不断调整轮廓点的位置,使得梯度向量的夹角朝着全局最优的方向进行,直到完成所有预定图层的搜索,此时模型的基准轮廓点将收敛至RUS骨块的细轮廓;

S30、根据RUS骨块形状-纹理特征提取模型,获取RUS骨块形状-纹理特征参数,包含如下步骤S301~S303:

S301、将由RUS骨块细轮廓点的坐标组成的向量,与训练好的形状主元提取矩阵相乘后,获得RUS骨块形状特征参数;

S302、根据预设的图像特征描述子提取对应的局部纹理,并与训练好地纹理主元提取矩阵相乘后,获得RUS骨块纹理特征参数;

S303、将获得的RUS骨块形状、纹理特征参数进行融合,得到一维的形状-纹理特征参数向量,作为回归模型预测的输入;

S40、根据支持向量回归模型,计算RUS骨块分项骨龄和个体综合骨龄,包含如下步骤S401~S403:

S401、将获得的若干个RUS骨块特征参数向量分别输入到相应的训练好的支持向量回归预测模型中,得到RUS分项骨龄;

S402、根据回归误差的高斯分布规律,将预测误差大于3σ的分项骨龄予以剔除,计算余下分项骨龄的均值;

S403、将分项骨龄均值作为个体的综合骨龄,并根据置信度计算相应的置信区间。

2.根据权利要求1所述的一种基于视觉模型的骨龄预测方法,其特征在于:

所述自适应手骨分割模型的训练包含如下执行步骤S2001~S2004:

S2001、收集公开的骨龄X光图像数据集,将其按照年龄段和性别分成若干组,记作M_S1,M_S2,…,F_S1,F_S2,…,组成若干训练集;

S2002、在每组训练集上,获取RUS骨块上的若干个轮廓点,经过旋转、平移之后得到位于同一基准下的轮廓点集合,计算训练集中所有轮廓点集合的均值,将其作为所述RUS骨块的基准轮廓点;

S2003、在每个RUS骨块所在的图像上,找出所获取轮廓点的局部特征;具体为将每个RUS骨块轮廓点的周围区域划分为m*m的单位Patch,计算每个Patch内的像素点灰度梯度,接着将所有Patch连接成灰度梯度向量,计算若干个灰度梯度向量投影到主方向上的向量,作为模型标准灰度梯度向量;

S2004、根据预设降采样因子,分别对模型的基准轮廓点坐标和标准灰度梯度向量进行缩放,保存下来供模型分层搜索时使用。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010114863.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top