[发明专利]基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法及系统

权利要求书

1.一种基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，包括以下步骤：

获取儿童手骨X光图像集；

构建骨龄预测网络，所述骨龄预测网络包括手骨区域筛选子网络和骨龄预测子网络，所述骨龄预测子网络包括完整手骨区域学习网络和关键手骨区域学习网络，所述关键手骨区域学习网络包括腕关节区域学习网络和/或指关节区域学习网络；

将儿童手骨X光图像集于手骨区域筛选子网络中提取完整手骨区域、关键手骨区域，所述关键手骨区域包括腕关节区域和/或指关节区域，将提取到的完整手骨区域送入所述完整手骨区域学习网络提取特征和尺度变换，将不同的关键手骨区域经过区域权重配置模块送入不同的关键手骨区域学习网络，并对其配置相应的权重后提取特征和尺度变换，将完整手骨区域学习网络和关键手骨区域学习网络提取到的特征与性别信息融合，输出骨龄评估结果。

2.根据权利要求1所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，所述完整手骨区域学习网络包括M个可变卷积网络模块，所述腕关节区域学习网络包括N个可变卷积网络模块，所述指关节区域学习网络包括P个可变卷积网络模块；

每个所述可变卷积网络模块的网络层数有若干层，所述可变卷积网络模块包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征。

3.根据权利要求2所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，定义输入多层感知注意力模块的特征图为CF_IN,维度为H×W×C，当CF_IN输入所述多层感知注意力模块时，CF_IN首先分别经最大池化和平池化生成两个尺度为1×1×C的特征图，其中，最大池化保留图像的局部典型特征，平均池化保留图像整体分布信息，然后这两个尺度为1×1×C的特征图分别通过多层感知器压缩特征尺寸，将多层感知器的两路输出相加并Sigmoid归一化，得到多层感知注意力权重A_MPAM，所述多层感知注意力权重A_MPAM与输入的CF_IN相乘得到多层感知注意力模块的输出特征CF_OUT，

其中，F_s表示Sigmoid归一化，F_mlp表示MLP操作，F_max表示最大池化操作，F_avg表示平均池化操作，表示特征通道逐元素相加，通道数量不变。

4.根据权利要求3所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，所述多层感知注意力模块的卷积核尺寸k通过输入特征图的通道数量C进行自适应选择，两者的对应关系如下式所示：

其中，·_odd表示取最接近运算结果的奇数。