[发明专利]一种基于关键骨区定位的骨龄评估方法在审
申请号: | 202210420806.0 | 申请日: | 2022-04-21 |
公开(公告)号: | CN114663426A | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 李章勇;陈望;李欣蔚;陈勇;刘洪;周秦;蒋宇皓 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N3/04;G06N3/08 |
代理公司: | 重庆辉腾律师事务所 50215 | 代理人: | 王诗思 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 关键 定位 评估 方法 | ||
1.一种基于关键骨区定位的骨龄评估方法,其特征在于,包括如下步骤:
随机选择一定数量的手骨X光原始图像,将选择的原始图像输入特征提取网络中,生成第一可视化热图,并利用第一可视化热图提取出完整手骨区域;
将所述完整手骨区域输入特征提取网络中,生成第二可视化热图,并利用第二可视化热图提取出完整手骨区域中的腕骨区域;
将完整手骨区域中的剩余区域输入基于注意力机制的特征提取网络,生成第三可视化热图,利用第三可视化热图提取出剩余区域中的掌指骨区域;
将提取出的腕骨区域和掌指骨区域以及对象的性别信息输入到预测网络中,预测得到对象的骨龄结果。
2.根据权利要求1所述的一种基于关键骨区定位的骨龄评估方法,其特征在于:所述特征提取网络采用ResNet50模型实现,构建特征提取网络的步骤如下:
将输入图像经过卷积层和最大池化层完成两次压缩,得到第一特征图;
将第一特征图经过残差模块,得到图像大小不变,通道数变为4倍的第二特征图;
将第二特征图先后经过三个残差模块,每个残差模块将特征图的大小压缩一半,通道数扩大一倍,得到将输入图像进行了32次压缩的第三特征图;
将第三特征图经过全局最大池化层和有240个输出节点的全连接层输出。
3.根据权利要求1或2所述的一种基于关键骨区定位的骨龄评估方法,其特征在于:所述基于注意力机制的特征提取网络包括基于的注意力机制CBAM结合通道注意力模块和空间注意力机制模块,分别对输入的完整手骨区域中的剩余区域图像进行通道和空间的注意力处理。
4.根据权利要求3所述的一种基于关键骨区定位的骨龄评估方法,其特征在于:通道注意力模块实现通道上的注意力处理的过程包括:
所述通道注意力模块的输入端分别连接一个全局最大池化层和一个全局平局池化层,所述两个池化层之后是两个全连接层,所述全连接层之后是一个加和操作以及一个sigmoid激活操作,所述通道注意力模块的最终生成为权重,其权重为:
其中,MLP为全连接层,AvgPool为全局平均池化层,MaxPool为全局最大池化层,σ为sigmoid激活函数。
5.根据权利要求3所述的一种基于关键骨区定位的骨龄评估方法,其特征在于:空间注意力模块实现空间上的注意力处理的过程:
所述空间注意力模块的输入端先进行一个全局最大池化和一个全局平均池化,所述两个池化层之后是两个全连接层,所述全连接层之后是一个7×7卷积以及一个sigmoid激活操作,所述空间注意力模块的最终生成为每个特征点的权重,其权重为:
其中,AvgPool为全局平均池化层,MaxPool为全局最大池化层,f7×7为7×7的卷积,σ为sigmoid激活函数。
6.根据权利要求1所述的一种基于关键骨区定位的骨龄评估方法,其特征在于:所述预测网络包括主干网络和辅助网络,所述主干网络为不带顶层的Xception网络,并在Xception网络的尾部添加卷积层和最大池化层;所述辅助网络将输入的性别信息传到编码器中,得到相应的性别特征;主干网络将特征提取网络中的特征图性别辅助网络中的特征图串联结合起来,学习这些特征图的线性组合,并将学习到的特征图的线性组合发送到主干网络的最后一个全连接层;
其中,表示对象的骨龄预测结果,在预测网络中第l层中是一个可学习的参数,在预测网络中第l层中是一个可学习的参数,它决定了性别信息的贡献。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210420806.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电子卡数据处理方法及装置
- 下一篇:一种方便安装的企业管理用投影设备