[发明专利]一种基于深度学习的儿童骨龄评估方法及系统

说明书

本发明公开了一种基于深度学习的儿童骨龄评估方法及系统。该方法包括：获取待评估的手骨图像；对待评估的手骨图像进行预处理；将预处理后的图像输入至训练好的手骨分割模型，得到分割后的手骨区域掩膜；将分割后的手骨区域掩膜与预处理后的图像进行融合，得到去除背景信息的手骨图像；将去除背景信息后的手骨图像输入至训练好的骨龄评估模型中，对骨龄进行评估。本发明解决了当前手骨X光图像的评估效率过于低下，无法批量处理手骨X光图像等问题，缓解了医生读片的困难。本发明能够对儿童手骨X光图像进行有效的自动骨龄评估，对后续的骨骼发育成熟度评估提供有利的支持。

技术领域

本发明涉及骨龄评估技术领域，特别是涉及一种基于深度学习的儿童骨龄评估方法及系统。

背景技术

在临床领域，骨龄评估一般是通过非惯用手(一般为左手)的X射线图像，通过观察骨骼的尺寸、结构以及闭合程度情况，根据统计学规律和相对量化的指标计算得出。其中，根据量化指标和鉴定方法的不同，传统的骨龄评估方法可分为：计数法、图谱法和计分法等。常用的包括GP图谱法、TW2计分法、TW3计分法等。我国推出的有李果珍百分计数法、中国人手腕骨发育标准CHN法以及直接引用TW2的叶氏记分法等。这些方法虽然都可以完成骨龄评估任务，但都过度依赖于专业骨科医师的人工操作，主要存在以下两个问题：

第一，评估的过程比较复杂。无论是计数法、图谱法还是评分法，骨龄的评估过程都非常复杂和困难，对从业医师的专业技能要求非常高，需要医师对大量的数据指标进行长时间的分析对比，才能得出骨龄评估结果。

第二，受主观因素和随机误差的影响比较大。由于骨龄评估过程的复杂性，同一骨龄被测人员在不同医师的两次骨龄评估可能存在差异，医师个人的主观因素和业务水平直接影响着评估结果；同一骨龄被测人员在同一医师的先后两次骨龄评估结果也可能存在差异，体现出传统骨龄评估方法随机误差大、可重复性差的特点。

发明内容

本发明的目的是提供一种基于深度学习的儿童骨龄评估方法及系统，能够对儿童手骨X光图像进行有效的自动骨龄评估，对后续的骨骼发育成熟度评估提供有利的支持。

为实现上述目的，本发明提供了如下方案：

一种基于深度学习的儿童骨龄评估方法，包括：

获取待评估的手骨图像；

对待评估的手骨图像进行预处理；

将预处理后的图像输入至训练好的手骨分割模型，得到分割后的手骨区域掩膜；

将分割后的手骨区域掩膜与预处理后的图像进行融合，得到去除背景信息的手骨图像；

将去除背景信息后的手骨图像输入至训练好的骨龄评估模型中，对骨龄进行评估。

进一步地，所述对待评估的手骨图像进行预处理，具体包括：

对待评估的手骨图像利用直方图均衡化增强局部对比度。

进一步地，所述手骨分割模型的训练过程具体包括：

建立手骨图像样本库；所述手骨图像样本库包括多张手骨图像样本；

对所述手骨图像样本进行处理并标注手骨轮廓，构建第一数据集，所述数据集包括手骨图像训练集、手骨图像验证集和手骨图像测试集；

通过手骨图像训练集对Mask R-CNN模型进行训练，得到手骨分割模型；

通过所述手骨图像测试集和所述手骨图像验证集对所述手骨分割模型进行优化。

进一步地，所述骨龄评估模型的训练过程具体包括：

通过手骨分割模型对所述第一数据集进行分割，得到手骨区域掩膜样本；