[发明专利]基于深度学习的X线片骨龄预测方法及系统

说明书

本发明提供了基于深度学习的X线片骨龄预测方法及系统，通过对青少年X线成像进行预处理、手骨区域自动分割、骨龄预测，最终形成骨龄预测结果。本方法中包括手骨X线片预处理及样本数据增强方法、手骨X线片图像块采样方法及手骨自动分割算法、基于迁移学习的手骨X线片骨龄测评算法，最终设计以Dicom数据为输入的手骨X线片骨龄预测系统。用户只需要选择要预测骨龄的手骨X线片，分割和预测过程完全自动，不需要医生进行区域标记或选择，为骨龄测评提供科研和临床上的有力工具。

技术领域

本发明涉及智能医学影像诊断技术领域，尤其涉及X线片自动目标分析与识别、骨龄测试方法领域，具体涉及一种基于深度学习技术的全自动X线片骨龄预测方法。

背景技术

骨龄是骨发育成熟度年龄的简称，骨龄评测是根据特定人群骨骼发育的共有特征评测个体骨骼发育成熟程度的方法和技术。骨骼的成熟程度会在人体的不同部位表现出来，尤其是在手腕部，这些特征具有普遍性和不可逆性，评测时将骨骼X线图像和标准骨骼发育图谱进行比对，如果存在差异，则需要进一步诊断评估，骨龄评测是目前临床测评个体发育偏离程度最准确、最客观的方法。青少年骨龄评测在儿科内分泌问题和儿童成长障碍诊断方面有重要作用，常用于青少年内分泌紊乱、生长发育延迟、先天性肾上腺皮质増生等症状的筛查，也可对激素使用的干预效果进行评价，另外，骨龄也可用于鉴定未成年人的真实年龄，在青少年犯罪案件中认定嫌疑人年龄、体育比赛中确认选手年龄、运动员身高预测和选拔中都有应用。近年来，随着骨龄研究的不断深入和数字化影像技术在骨龄测试中的应用使骨龄测评方法得到广泛推广。目前国际上常用的方法有G-P图谱法、RWT法(膝部骨龄评价法)、TW计分法等，我国常用的骨龄检测方法有“百分计数法”(“李氏法”)、顾氏图谱法、中国人手腕骨发育标准CHN法、“中国儿童骨龄评分法”(“叶氏法”)等。但这些人工评估骨龄方法繁琐费时且易受主观影响，随机误差大，骨发育等级标准的文字描述实际应用起来比较复杂、系统误差较大。因此人们开始计算机来进行骨龄评测。

专利申请公布的“机器自动图像识别方法及装置(CN1804868A)”，对青少年左手掌的13块骨骼进行定位、分割、特征提取、识别、比对、计分、评估测定，但未成熟的骨骼图像有的是两块骨骼粘连在一起，计算机软件无法对骨骼图像分割、确定边缘、特征提取，也就无法识别，该发明中仍采用骨龄专家识别与计算机自动识别结合的方法，并不是全自动的骨龄评测。

专利申请公布的“一种鲁棒的骨龄评定图像预处理及骨关键点定位方法(CN102945545A)”，为了解决传统骨龄评测图像处理方法中骨关键点定位不准、噪声处理效果不好，预处理效果不佳的问题，提出一种鲁棒的骨龄评定图像预处理及骨关键点定位方法。

专利申请公布的“一种分析骨龄的方法及检测装置(CN103300872A)”，利用计算机图形学和半拉格朗日算法图像分析骨龄，但具体分析方法细节并未提及。

专利申请公布的“骨龄远程在线判读系统(CN106202901A)”，由判读者根据每块骨的发育情况，将骨成熟度录入窗口相应的位置，系统根据总体骨成熟度与骨龄之间的对应关系判读出推测骨龄值。

如上所述，目前基于X线片分析的骨龄预测方法还未实现完全的自动化，能需要相关医师进行人工判读。

发明内容

本发明的目的在于，为解决传统骨龄评测使用“计分法”和“图谱法”存在的主观性过强、随机误差大、骨发育等级标准的文字描述应用复杂、过程繁琐等问题，提出一种基于青少年手骨X线片训练模型的全自动骨龄评测方法。

为实现上述目的，本发明采用的技术方案如下：建立有年龄标注青少年手骨样本库，使用对抗神经网络进行手骨X线片的小样本数据增强；使用半自动图像正负块样本生成方法并利用生成的块样本训练手骨分割模型，完成手骨的初步分割；通过迁移学习建立适用于骨龄评测分类模型，完成全自动的青少年手骨X线片骨龄评测系统。本发明提供了一种基于深度学习的X线片骨龄预测方法，包括以下步骤：