[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

说明书

本申请实施例提供了一种骨龄评测方法和装置，解决了现有骨龄评测方式不能自动识别困难骨/骨骺，无法对骨龄评测的不确定性做出有效干预的问题。该骨龄评测方法包括：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。本申请能够实现根据自动识别骨龄评测不确定性高(易分歧)的骨/骨骺，推荐医生重点审核。

技术领域

本申请涉及影像分析技术领域，具体涉及一种骨龄评测方法、装置、电子设备和计算机可读存储介质。

背景技术

骨龄是评价青少年儿童生物年龄的主要方法，在临床医学、法医学和运动医学等领域中有防范的用途。目前国内外广泛使用的骨龄评测方法主要有图谱法和计分法。然而，骨龄评测结果受医生认知差异、标准骨龄图谱的非连续性、X线拍摄角度变化等“不确定性”因素影响，存在较大不确定性。临床应用中，不同专家阅片者间，常出现分歧。如《中华-05》专著中提到的，2014年13名骨龄评价者(其中11名有至少5年的骨龄评价经历)与制定中华05标准的读片员之间的随机误差(±0.35岁至0.56岁之间)。

现有技术中存在一些基于深度卷积神经网络的骨龄评测模型方案。以往的方法在训练模型时，使用一位医生或多位医生的标注的均值，作为年龄或骨龄的训练“金标准”；但是如前所述，由于“不确定性”的存在，骨龄并没有金标准，尤其是一些拍摄不够严格，或骨骺发育特征不典型的骨骼X射线影像，存在较大“不确定性”，医生给出的骨龄值，只能作为“参考标准”。以往方法在训练模型的过程中，无论是采用交叉熵损失还是mean-varianceloss(平均方差损失)，均试图将模型的预测，无限的接近所谓的“金标准”。导致模型易过拟合。

另外，临床实践中，人工智能辅助软件给出的结果仍需医生审核。以往的方法，人工智能模型不能区分困难(医生易出现分歧)和容易(医生易评价一致)的骨骼X射线影像(GP(Greulich and Pyle Atlas Method)图谱法)或骨/骨骺(计分法)，也就无法给审核医生以重点提示，增加了应用风险。

发明内容

有鉴于此，本申请实施例提供了一种骨龄评测方法和装置，解决了现有骨龄评测方式存在过拟合、准确性低和应用风险，无法对识别的不确定性做出有效干预的问题。

根据本申请的一个方面，本申请一实施例提供的一种骨龄评测方法包括：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；以及将所述骨骼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。

在本申请一实施例中，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。

在本申请一实施例中，所述方法进一步包括：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。