一种基于位置点匹配的手腕骨兴趣区域修复方法

摘要

一种基于位置点匹配的手腕骨兴趣区域修复方法，包括：根据人手腕图像以及对应的参照骨ROI标注信息，准备匹配数据集；计算参照骨ROI中心点坐标，作为匹配位置点；根据位置点坐标，计算样本与匹配数据集中所有骨骼区域的匹配距离；将数据集中匹配距离最短的骨骼区域作为目标参照骨ROI，并填补参照骨ROI集合。本发明通过参照骨的位置点大数据样本，自动匹配并填补参照骨ROI集合中缺失的参照骨类型，准确率高、泛化能力强；本方法可以完整且准确地提取出人手腕中所有参照骨ROI，具备高度扩展性、可操作性。

说明书

技术领域

本发明涉及一种基于位置点匹配的手腕骨兴趣区域修复方法。

背景技术

骨龄也称骨骼年龄，用于表示骨骼的生长发育程度，是评价个体发育程度的重要指标之一。骨龄评估在众多领域具有广泛的应用，如鉴定嫌疑人或受害者的生理年龄、运动员选材和儿童成年后身高预测等。

骨龄评估的方法有很多种，现在国际上比较常用的有图谱法和计分法。图谱法将手骨图片与标准手骨图谱比较，选择最接近的标准手骨图谱的骨龄作为该手骨图片的骨龄；计分法则根据判定每块参照骨的成熟指征，通过成熟指征组合计算出骨龄。其中，完整地提取出手腕参照骨的兴趣区域(Region of Interest,ROI)是保证骨龄精确评估的关键。

将深度学习用于手腕骨兴趣区域的提取，已经越来越成为发展趋势。然而现有的方法大多数基于传统图像处理方法，如形态学、边缘处理、区域生长等，操作复杂度较高，复现起来比较困难。而且普通的卷积神经网络在参照骨的兴趣区域提取中，存在部分参照骨漏判的情况，导致参照骨ROI数量不完整，极大地影响了后续骨龄评估的准确率。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于位置点匹配的手腕骨兴趣区域修复方法。

本发明包括：根据人手腕图像以及对应的参照骨ROI标注信息，准备匹配数据集；计算参照骨ROI中心点坐标，作为匹配位置点；根据位置点坐标，计算样本与匹配数据集中所有骨骼区域的匹配距离；将数据集中匹配距离最短的骨骼区域作为目标参照骨ROI，并填补参照骨ROI集合。本发明通过参照骨的位置点大数据样本，自动匹配并填补参照骨ROI集合中缺失的参照骨类型，准确率高、泛化能力强；本方法可以完整且准确地提取出人手腕中所有参照骨ROI，具备高度扩展性、可操作性。

本发明解决技术问题采用如下技术方案：

一种基于位置点匹配的手腕骨兴趣区域修复方法，包括以下步骤：

步骤1：准备匹配数据集；

步骤2：计算参照骨ROI位置点坐标；

步骤3：计算参照骨ROI匹配距离；

步骤4：填补参照骨ROI。

作为本发明的进一步优化，所述的步骤1具体包括：

1)确定骨龄评估计分法中要提取的所有参照骨的类型BON；

2)将所有参照骨按骨骼位置划分为4个骨骼区域，分别为指骨Ⅰ、指骨Ⅲ、指骨Ⅴ、腕骨区域，记为ZHO，ZHT，ZHF，WAN。每个骨骼区域内含若干不同参照骨类型；

BON＝ZHO∪ZHT∪ZHF∪WAN (1-1)

REG＝{ZHO,ZHT,ZHF,WAN} (1-2)

3)定义参照骨顶点坐标集合为B，B中第n块参照骨坐标为b

b

4)确定匹配数据集BONES，BONES＝{B

作为本发明的更进一步优化，所述的步骤2具体包括：

1)给定数据样本t，t中包含的参照骨集合为T，

2)确定t中缺失的参照骨集合U：

3)对于U中任意缺失参照骨u，确定其所属的骨骼区域Z，Z∈REG。对于Z区域内所有参照骨顶点坐标b

4)将顶点坐标集合B

作为本发明的更进一步优化，所述的步骤3具体包括：

1)以M

f

Relative(x,y)＝(x[0]-y[0],x[1]-y[1]) (3-2)

2)使用Similar函数计算两个骨骼区域之间的匹配距离，公式为：

其中，

作为本发明的更进一步优化，所述的步骤4具体包括：

1)确定REGIONS中与M

2)根据target在REGIONS中的索引INDEX，填补B

B

本发明具有如下有益效果：

(1)通过参照骨的位置点大数据样本，自动匹配并填补参照骨ROI集合中缺失的参照骨类型，准确率高、泛化能力强；

(2)本方法可以完整且准确地提取出人手腕中所有参照骨ROI，具备高度扩展性、可操作性。

附图说明

图1是本发明方法的骨骼区域划分图。

图2是本发明方法的位置点坐标转换流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

一种基于位置点匹配的手腕骨兴趣区域修复方法，其特征在于，包括以下步骤：

步骤1：准备匹配数据集；具体包括：

11)确定骨龄评估计分法中要提取的所有参照骨的类型BON；

12)将所有参照骨按骨骼位置划分为4个骨骼区域，如图1所示，分别为指骨Ⅰ、指骨Ⅲ、指骨Ⅴ、腕骨区域，记为ZHO，ZHT，ZHF，WAN。每个骨骼区域内含若干不同参照骨类型；

BON＝ZHO∪ZHT∪ZHF∪WAN (1-1)

REG＝{ZHO,ZHT,ZHF,WAN} (1-2)

13)定义参照骨顶点坐标集合为B，B中第n块参照骨坐标为b

b

14)确定匹配数据集BONES，BONES＝{B

步骤2：计算参照骨ROI位置点坐标；具体包括：

21)给定数据样本t，t中包含的参照骨集合为T，

22)确定t中缺失的参照骨集合U：

23)对于U中任意缺失参照骨u，确定其所属的骨骼区域Z，Z∈REG。对于Z区域内所有参照骨顶点坐标b

24)将顶点坐标集合B

步骤3：计算参照骨ROI匹配距离；具体包括：

31)以M

f

Relative(x,y)＝(x[0]-y[0],x[1]-y[1]) (3-2)

32)使用Similar函数计算两个骨骼区域之间的匹配距离，公式为：

其中，

步骤4：填补参照骨ROI；具体包括：

41)确定REGIONS中与M

42)根据target在REGIONS中的索引INDEX，填补B

B

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。