欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019111944480
申请人: 杭州电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于深度学习实现图像分割和分类的骨龄评估方法,其特征在于,该方法具体包括如下步骤:(1)采用数字图像处理方法对原始的手骨图像样本进行增强,得到整幅手骨X线片样本图像;所述增强包括对原始样本进行直方图均衡、高斯滤波、幂律变换和锐化;

(2)选取一定数量的原始样本图像进行标记,得到手骨部分的掩模,将这部分图像作为分割数据集用来训练U-Net网络模型,分割数据集包括训练集和验证集;用训练好的U-Net模型对原始数据集进行分割,得到手掌分割结果;使用形态学方法对手掌分割结果进行后处理,将一些较小的连通域剔除,仅保留最大连通域;

(3)将得到的手掌分割数据集制作成训练集、验证集和测试集;使用制作好的训练集对改进的VGG16算法进行训练;

改进的VGG16算法如下:

改进后的VGG16网络结构包含17个卷积层、1个BN层、2个全局平均池化层、1个Multiply层、1个Lambda层、2个Dropout层和2个全连接层;其中前13个卷积层来自VGG16,将这部分卷积层当作特征提取器,提取的特征图大小为12×12×512,后四个卷积层所包含的卷积核的数量依次为64、8、1和512,在这两个卷积块之间,加入BN层,对提取的特征进行归一化处理;

BN层对一个batch-size中特征图的每个通道上计算平均值和方差,计算公式如下:xi表示第i个特征图,m表示一个batch-size的大小,μβ表示一个batch-size中所有特征图的平均值, 表示所有特征图的方差;

接着对特征图进行归一化处理,归一化公式为:

表示归一化后的输入,其均值为0,标准差为1;ε是为了防止分母为0而引入的一个很小的正数;为了防止网络学习到的特征被破坏,BN层引入了可学习参数γ和β,用来调节非线性函数和线性函数之间的平衡,公式如下所示:γ和β表示两个可学习参数,其训练算法为BP算法,yi表示调整后的输入;

4个卷积层连接在BN层之后用1×1的卷积核对经过BN层归一化后的特征图做特征提取,特征图维度依次变为12×12×64、12×12×8、12×12×1和12×12×512;先降维,再将维度扩展为与BN层输出特征图的维度相同,通过Multiply层将BN层输出的特征图和后面4个卷积层输出的特征图做点积,这个过程是一个加权求和过程,将其视为一种“注意力机制”,两个特征图点积公式如下:X=fm·fn            (5)

fm表示BN层输出的特征图,fn表示后面4个卷积层输出的特征图,二者维度均为12×12×512,X表示二者点积后的特征图;

利用改进的网络结构训练至模型收敛;

(4)利用训练得到的模型对测试集进行测试,并利用MAE对所得结果进行评价;其中MAE即Mean Absolute Error;

平均绝对误差的定义:

fi表示骨龄真实值,fr表示骨龄预测值,N表示样本数量。