[发明专利]一种基于身高年龄的多分类器手腕骨等级识别方法

摘要

本发明公开了一种基于身高年龄的多分类器手腕骨等级识别方法。本发明的方法在一个基于身高和年龄这两个信息的深度学习网络回归模型和多个三分类深度学习网络分类模型的基础上，首先通过回归模型得到等级的大致范围，接着选择相应的分类器对骨头的等级进行准确分类。本发明可以有效提升骨龄等级判断的准确度，进而降低最终骨龄判定的误差。

主权项

1.一种基于身高年龄的多分类器手腕骨等级识别方法，其特征在于，包括以下步骤：步骤1、对手腕骨X光片中的14块骨头依次进行编号，所述的14块骨头为：桡骨，掌1，掌3，掌5，近1，近3，近5，中3，中5，远1，远3，远5，头状骨，钩骨，对这14块骨头依次从1到14进行编号；用Ni表示第i块骨头在CHN骨龄评估法中的总共等级数目，i＝1，……，14；步骤2、依次针对i＝1，……，14，分别根据实际情况采用一批已经标定了身高、年龄和等级的第i块骨头片样本集来训练得到一个基于深度学习网络的回归模型Mi；步骤3、依次针对i＝1，……，14，分别根据实际情况采用一批已经标定了骨头等级的第i块骨头片样本集来训练得到以下三分类深度学习网络分类模型：包含等级1、2和3的三分类网络模型，包含等级2、3和4的三分类网络模型，…,包含等级Ni‑2，Ni‑1和Ni的三分类网络模型；步骤4、对任意一张需要判别手腕骨等级的左手X光片，结合自动和人工切割获取其14块骨头的图像；步骤5、依次针对i＝1，……，14，将需要判别的第i块骨头图片输入到回归模型Mi，得到输出结果ri；将ri进行下取整并用符号来表示；步骤6、依次针对i＝1，……，14，使用第i块骨头的输出为这三个等级的三分类网络模型来对第i块骨头进行分类，得到第i块骨头的分类结果ci，作为最终判别的等级。