[发明专利]基于模型集成的儿童手骨X光图像骨龄评估方法及系统

权利要求书

1.一种基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，包括以下步骤：

获取儿童手骨X光图像集；

构建骨龄预测网络，所述骨龄预测网络包括手骨分割子网络、第一骨龄预测子网络、第二骨龄预测子网络以及骨龄融合模块，所述第一骨龄预测子网络的层数多于所述第二骨龄预测子网络的层数；

将儿童手骨X光图像集于手骨分割子网络中提取手骨区域,得到手骨区域的图像集，将提取到的手骨区域的图像与性别信息一起分别于第一骨龄预测子网络、第二骨龄预测子网络中进行训练预测，将第一骨龄预测子网络、第二骨龄预测子网络预测得到的骨龄于所述骨龄融合模块中进行融合，输出最终的骨龄预测值。

2.根据权利要求1所述的基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，所述手骨区域与性别信息一起于第一骨龄预测子网络进行训练预测时，

所述手骨区域经M个第一可变卷积网络进行特征提取和尺度变换后获得的特征，与性别信息融合后，再经过两个密集连接层及一个全连接层，输出第一骨龄预测子网络的预测骨龄；

其中，每个所述第一可变卷积网络的网络层数有若干层，所述第一可变卷积网络包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征。

3.根据权利要求1所述的基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，所述手骨区域与性别信息一起于第二骨龄预测子网络进行训练预测时，

所述手骨区域经N个第二可变卷积网络进行特征提取和尺度变换后获得特征，与性别信息融合后，再经过两个密集连接层及一个全连接层，输出第二骨龄预测子网络的预测骨龄；

其中，每个所述第二可变卷积网络的网络层数有若干层，所述第二可变卷积网络包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征。

4.根据权利要求1所述的基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，骨龄融合模块按以下公式进行骨龄预测：

其中，BA为最终的骨龄预测值，BA_H是第一骨龄预测子网络输出的骨龄预测值，BA_L是第二骨龄预测子网络输出的骨龄预测值，κ_H是第一骨龄预测子网络输出的骨龄预测值BA_H的权重，κ_L是第二骨龄预测子网络输出的骨龄预测值BA_L的权重，κ是修正值权重，MAE_H是第一骨龄预测子网络输出的骨龄预测值BA_H的绝对方差，MAE_L是第二骨龄预测子网络输出的骨龄预测值BA_L的绝对方差。

5.根据权利要求1所述的基于模型集成的儿童手骨X光图像骨龄评估方法，其特征在于，所述第一骨龄预测子网络和第二骨龄预测子网络均选取均方根误差RMSE作为损失函数，其中N为样本个数，为第一骨龄预测子网络或第二骨龄预测子网络预测骨龄结果，y_i为对应标注真实值。