[发明专利]骨龄评测方法和装置、电子设备及计算机可读存储介质

权利要求书

1.一种骨龄评测方法，其特征在于，包括：

将骨骼X射线影像输入骨龄评测网络模型以获得概率分布数据，其中所述概率分布数据包括对应多个标准骨龄图谱的多个匹配概率值，其中所述多个标准骨龄图谱对应多个骨龄标准值；

将所述骨骼X射线影像输入不确定性估计网络模型以获得用于表征所述骨骼X射线影像的所述骨龄评测值的不确定性的不确定性预测值；以及

当所述不确定性预测值大于预设阈值时，发送重点审核提示信息。

2.根据权利要求1所述的方法，其特征在于，所述骨龄评测网络模型通过分布式学习的训练过程预先建立，所述分布式学习的训练过程的训练目标为正态分布的目标概率分布数据。

3.根据权利要求1所述的方法，其特征在于，进一步包括：基于所述概率分布数据获得对应所述骨骼X射线影像的骨龄评测值，其中，所述骨龄评测值为以所述多个匹配概率值为权重的所述多个骨龄标准值的加权平均值。

4.根据权利要求1所述的方法，其特征在于，所述不确定性估计网络模型通过如下训练过程预先建立：

获得多个骨骼X射线影像样本，其中每个所述骨骼X射线影像样本包括由多位医生标注的骨龄标注值；

基于所述骨骼X射线影像样本和所述多个骨龄标准值计算每个所述骨骼X射线影像样本的经验概率分布数据，其中，所述经验概率分布数据包括对应所述多个标准骨龄图谱的多个经验概率值，每个所述经验概率值为所述骨龄标注值与所述骨龄标准值匹配的医生的数量占比；

基于所述经验概率分布数据获得不确定性样本数据；以及

以所述多个骨骼X射线影像样本为训练集，所述不确定性样本数据为训练目标训练深度卷积神经网络以获得所述不确定性估计网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述经验概率分布数据获得不确定性样本数据包括：

所述不确定性样本数据为所述经验概率分布数据的如下度量指标中的一种：方差、信息熵和标准差。

6.一种骨龄评测装置，其特征在于，包括：

骨龄评测网络模型，配置为基于骨骼X射线影像获得概率分布数据，其中所述概率分布数据包括对应多个标准骨龄图谱的多个匹配概率值，其中所述多个标准骨龄图谱对应多个骨龄标准值；以及

不确定性估计网络模型，配置为基于所述骨骼X射线影像获得用于表征所述骨骼X射线影像的所述骨龄评测值的不确定性的不确定性预测值；以及

提示模块，配置为当所述不确定性预测值大于预设阈值时，发送重点审核提示信息。

7.根据权利要求6所述的装置，其特征在于，进一步包括：

第一训练模块，配置为通过分布式学习的训练过程预先建立所述骨龄评测网络模型，所述分布式学习的训练过程的训练目标为正态分布的目标概率分布数据。

8.根据权利要求6所述的装置，其特征在于，进一步包括：

骨龄计算模块，配置为基于所述概率分布数据获得对应所述骨骼X射线影像的骨龄评测值，其中，所述骨龄评测值为以所述多个匹配概率值为权重的所述多个骨龄标准值的加权平均值；以及

第二训练模块，配置为通过如下训练过程预先建立所述不确定性估计网络模型，包括：

样本获取单元，配置为获得多个骨骼X射线影像样本，其中每个所述骨骼X射线影像样本包括由多位医生标注的骨龄标注值；

经验概率计算单元，配置为基于所述骨骼X射线影像样本和所述多个骨龄标准值计算每个所述骨骼X射线影像样本的经验概率分布数据，其中，所述经验概率分布数据包括对应所述多个标准骨龄图谱的多个经验概率值，每个所述经验概率值为所述骨龄标注值与所述骨龄标准值匹配的医生的数量占比；

不确定性计算单元，配置为基于所述经验概率分布数据获得不确定性样本数据；以及

训练执行单元，配置为以所述多个骨骼X射线影像样本为训练集，所述不确定性样本数据为训练目标训练深度卷积神经网络以获得所述不确定性估计网络模型。