[发明专利]手骨X光片骨龄评估方法、装置、计算机设备和存储介质

说明书

本发明提出的手骨X光片骨龄评估方法、装置、计算机设备和存储介质，其中方法包括：将待预测骨龄的手骨X光片处理成指定像素要求的手骨照片；将所述手骨照片输入到预设的基于卷积神经网络的骨龄评估模型中进行计算；获取所述骨龄评估模型输出的计算结果，该结果为所述手骨的骨龄。本发明提出的手骨X光片骨龄评估方法、装置、计算机设备和存储介质，通过基于卷积神经网络的骨龄评估模型，能自动进行骨龄评估、且评估准确率高。

技术领域

本发明涉及到计算机技术领域，特别是涉及到一种手骨X光片骨龄评估方法、装置、计算机设备和存储介质。

背景技术

骨龄评估广泛应用于医学领域，用来研究和衡量人体的生长发育情况和诊断疾病。

现有的骨龄评估方法一般是先对被测者的手部和腕部进行X光摄片，然后由医生根据拍得的X光片进行解读。由于在不同年龄阶段的左手骨具有不同特征，医生可以通过这些特征估计骨龄。医生在对于X光片进行诊断时一般采用G-P图谱法和TW3评分法。但是G-P图谱法进行评估时，存在着不够精确的问题；而TW3评分法需要医生凭借经验知识主观判断，评估结果容易受到其它因素影响导致评估不准确。

因此，提供一种新的骨龄评估方法成为亟待解决的问题。

发明内容

本发明的主要目的为提供一种自动进行骨龄评估、且评估准确率高的手骨X光片骨龄评估方法、装置、计算机设备和存储介质。

本发明提出手骨X光片骨龄评估方法，包括：

将待预测骨龄的手骨X光片处理成指定像素要求的手骨照片；

将所述手骨照片输入到预设的基于卷积神经网络的骨龄评估模型中进行计算；

获取所述骨龄评估模型输出的计算结果，该结果为所述手骨的骨龄。

进一步地，所述将所述手骨照片输入到预设的基于卷积神经网络的骨龄评估模型中进行计算的步骤，包括：

对所述手骨照片进行卷积计算得到第一图片特征；

对所述第一图片特征进行多次迭代卷积计算得到第二图片特征；

通过空间变换网络对所述第二图片特征进行空间变换和对齐处理得到第三图片特征；

对所述第三图片特征进行卷积计算得到第四图片特征；

通过全连接层将所述第四图片特征结合在一起形成全局图片特征，从而输出计算结果。

进一步地，所述对所述手骨照片进行卷积计算得到第一图片特征的步骤之前，包括：

对所述手骨照片进行数据增广处理。

进一步地，所述将待预测骨龄的手骨X光片处理成指定像素要求的手骨照片的步骤之前，包括：

选取备选手骨X光片中骨骺、干骺端和手腕处骨骼作为所述待预测骨龄的手骨X光片。

进一步地，所述选取备选手骨X光片中骨骺、干骺端和手腕处骨骼作为待预测骨龄的手骨X光片的步骤之前，包括：

调整所述备选手骨X光片的对比度。

进一步地，所述调整所述备选手骨X光片的对比度的步骤之前，包括：

将所述备选手骨X光片的背景部分统一为黑色。

进一步地，所述基于卷积神经网络的骨龄评估模型训练的方法，包括：

获取指定量的样本数据，并将样本数据分成训练集和测试集，其中，所述样本数据包括已知骨龄的手骨照片，以及与所述已知骨龄的手骨照片对应的骨龄数据；

将训练集的样本数据输入到预设的卷积神经网络中进行训练，得到结果训练模型；