[发明专利]基于目标检测和卷积变换的骨龄评估方法、设备及介质

权利要求书

1.一种基于目标检测和卷积变换的骨龄评估方法，其特征在于，包括：

基于目标检测模型和卷积变换网络建立初始模型，获取若干包含骨龄信息的图像作为训练样本，将所述训练样本分为训练集、验证集和测试集；

获取训练集中任一训练数据，采用预训练好的目标检测模型对所述训练数据进行识别后裁剪，获得若干包含ROI块的训练子图像；

采用卷积网络对所述训练子图像进行特征提取，获得样本特征信息；

根据所述样本数据的性别信息进行编码，并在激活函数处理后与所述样本特征信息融合，获得样本融合特征信息；

采用变换网络对所述样本融合特征信息进行处理，利用多次编码和解码提取深层特征，通过分类函数生成样本输出，根据所述样本输出和所述验证集采用优化算法调整特征融合并采用均值-方差损失函数调整模型权重分布，迭代训练直至测试集测试完成，生成目标模型；

获取受验者的骨影像，预处理后获得待处理图像，采用所述目标模型对所述待处理图像处理，输出骨龄评估结果。

2.根据权利要求1所述的评估方法，其特征在于，采用均值-方差损失函数调整模型权重分布，包括：

建立平均损失函数和方差损失函数，其中，所述平均损失函数用于惩罚样本输出相对验证集中对应的真实值的均值差异，所述方差损失函数用于惩罚样本输出的分散性；

采用交叉熵损失函数结合平均损失函数和方差损失函数生成均值-方差损失函数；

根据样本输出相对所述验证集中对应的真实值的差异，采用所述均值-方差损失函数调整模型权重分布。

3.根据权利要求1所述的评估方法，其特征在于：。

所述均值-方差损失函数表示为：

L＝L_s+λ₁L_m+λ₂L_v；

其中，L_s为交叉熵损失函数；L_m为平均损失函数；L_v为方差损失函数；λ₁、λ₂为超参数；

其中，y_i为样本输出；p_i,j为样本数据i属于骨龄j的概率；N为参数数量；m_i为均值、v_i为方差；

4.根据权利要求1所述的评估方法，其特征在于，所述采用所述目标模型对所述待处理图像处理，输出骨龄评估结果，包括：

采用预训练好的目标检测模型对所述待处理图像处理进行识别后裁剪，获得若干包含ROI块的子图像；

采用卷积网络对所述子图像进行特征提取，获得特征信息；

根据所述待处理图像的性别信息进行编码，并在激活函数处理后与所述特征信息融合，获得融合特征信息；

采用变换网络对所述融合特征信息进行处理，利用多次编码和解码提取深层特征，通过分类函数输出骨龄评估结果。

5.根据权利要求1所述的评估方法，其特征在于，所述获取若干包含骨龄信息的图像作为训练样本，包括：

从一数据库中收集已标定有骨龄信息的骨影像，并基于所述骨龄信息，以自然年周期分类，形成包含至少一组骨龄信息位于[a，b)区间，其中a、b为正整数的骨影像作为训练样本；

对所述训练样本中的各个图像作直方图均衡化处理。

6.根据权利要求1所述的评估方法，其特征在于：所述采用预训练好的目标检测模型对所述训练数据进行识别前，对目标检测模型进行训练，包括：

从一数据库中获取若干骨影像，并预先标记预设类型的ROI块，以生成训练图像集；

基于YOLO网络建立目标检测模型，并根据预设类别的ROI块设置模型参数；

采用训练图像集对所述目标检测模型进行训练，更新目标检测模型的损失函数和权重参数，以获得预训练后的目标检测模型。