[发明专利]一种基于可编程逻辑门阵列的骨龄评估方法及系统

说明书

本发明涉及医学图像处理领域，尤其涉及一种基于可编程逻辑门阵列的骨龄评估方法及系统；所述方法包括获取手骨图像并预处理；分批次从可编程逻辑门阵列中的存储器调用训练完成的卷积神经网络的权重参数和偏置参数，对手骨图像进行卷积处理，对卷积层的手骨特征图进行归一化处理和激活处理；将激活处理后的手骨特征图通过仲裁转换后从存储器中按批次通过AXI4总线传输到池化模块中，直至完成所有卷积层的池化操作；将池化操作后的手骨特征图输入到全连接层中，进行softmax分类后得到手骨图像的骨龄评估结果。本发明的可编程逻辑门阵列通过并行方式对不同卷积层的数据进行处理，能加快卷积神经网络的运行处理速度，提高评估的效率。

技术领域

本发明涉及医学图像处理领域，尤其涉及一种基于可编程逻辑门阵列的骨龄评估方法及系统。

背景技术

骨龄是衡量青少年儿童生长发育的重要指标之一，它能较准确的反映个体的生长发育情况。目前，骨龄广泛应用于卫生、医疗、司法领域。

目前市场缺乏骨龄专用系统。现有手骨图片都是基于普通DR机拍摄，非儿童专用，存在射线超标隐患；现有骨龄评估均由临床医师判断，主观性较强。并且研发中的骨龄评估算法基于服务器实现，计算量较大，消耗资源较多，在移动式平台上难以实现。

基于上述问题，中国专利CN112801994A提供了一种骨龄评估方法及系统，该方案应用于树莓派，在树莓派接收到骨龄评估请求后，根据骨龄评估请求获取手骨图像以及手骨图像对应的用户性别，进而将手骨图像进行裁剪和直方图匹配，和用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在神经计算棒中的骨龄评估模型根据手骨图像和所述用户性别进行骨龄评估。该方法通过树莓派实现骨龄评估，无需联网，提高了安全性。同时，将训练好的骨龄评估模型部署到神经计算棒中使用，进一步提高安全性的同时能够利用神经计算棒进行加速处理，从而提高评估的效率。

然而，上述方案中依赖于串行设计的树莓派，而树莓派的运行速度低，导致骨龄评估的效率有待提高。

并且现有移植方案对特征图以及权重数据的读取是按照卷积滑动窗口中所需的数据从存储器中进行读取，然而滑动窗口的数据在存储器中并不是连续的，这使得从存储器中加载一个滑动窗口所需的数据不能进行连续突发的读写，从而增加了数据的读取时间。

发明内容

基于现有技术存在的问题，为了加快骨龄评估的效率，本发明的目的在于提供一种基于可编程逻辑门阵列的骨龄评估方法及系统，用来解决上述背景技术问题。

为解决上述问题，本发明的采用的技术方案如下：

在本发明的第一方面，本发明提供了一种基于可编程逻辑门阵列的骨龄评估方法，包括：

获取手骨图像并对其进行预处理；

分批次从可编程逻辑门阵列中的存储器调用训练完成的卷积神经网络的权重参数，并基于所述权重将所述手骨图像进行卷积处理；

对应批次从所述存储器调用训练完成的卷积神经网络的偏置参数，并对卷积处理后的特征图进行偏置处理；

将每个卷积层中的所有批次的手骨图像偏置处理完成后，对当前卷积层的手骨特征图进行归一化处理和激活处理；

将激活处理后的手骨特征图通过req、ready和data信号线将数据传输到仲裁转换模块中的FIFO队列进行暂存，然后通过仲裁转换模块中的轮询仲裁器裁决后将FIFO中的数据以AXI总线方式存到存储器中，之后从所述存储器中按批次通过AXI4总线传输到池化模块中进行池化操作，直至完成所有卷积层的池化操作；

将池化操作后的手骨特征图输入到全连接层中，进行softmax分类后得到手骨图像的骨龄评估结果。

在本发明的第二方面，本发明还提供了一种基于可编程逻辑门阵列的骨龄评估系统，所述系统搭载于所述可编程逻辑门阵列中，包括：