基于神经网络的手骨特征区域自适应提取方法

发布时间：2021-05-19 22:59

　　准确分析手腕骨特征骨块的成熟等级是骨龄判别的关键。在骨龄的自动评估中,通过多特征区域识别最终得到骨龄是目前研究的主要方法。钩骨和桡骨在中国人手腕骨发育标准CHN法骨龄评价中所占的权重较大。针对手腕骨特征骨块周边干扰骨块多、识别困难的问题,提出了一种基于BP神经网络的手腕骨特征区域自适应提取方法,可以根据手部X光片所属者的身高和年龄信息,自适应提取出特征骨块,最后搭建卷积神经网络对钩骨、桡骨的成熟等级进行评价。实验结果表明:利用基于BP神经网络的区域自适应提取方法,能够精确提取手腕骨特征骨块区域,在保留完整特征信息的基础上减少周边骨块、肌肉组织的干扰,提高了图片识别的质量;进而提高了卷积神经网络对钩骨、桡骨成熟等级的识别准确率（分别达到了87.83%和85.51%）。所提方法对骨龄的自动识别有重要意义,对临床医生评价骨龄也有较大的参考意义。 

【文章来源】：浙江工业大学学报. 2020,48(05)北大核心

【文章页数】：8 页

【文章目录】：
1 材料和方法
    1.1 材 料
    1.2 方 法
        1.2.1 BP神经网络
        1.2.2 基于BP神经网络的自适应骨骼图片提取
        1.2.3 搭建卷积神经网络用于钩骨和桡骨等级识别
2 结 果
    2.1 钩骨和桡骨区域提取与数据预处理
    2.2 钩骨和桡骨等级识别准确率评估
3 讨 论
4 结 论


【参考文献】：
期刊论文
[1]基于深度神经网络的城市声音分类模型研究[J]. 陈波,俞轶颖.  浙江工业大学学报. 2019(02)
[2]基于循环神经网络的股指价格预测研究[J]. 王理同,薛腾腾,王惠敏,刘震.  浙江工业大学学报. 2019(02)
[3]基于卷积神经网络的图像编辑传播[J]. 刘震,陈丽娟,汪家悦.  浙江工业大学学报. 2019(01)
[4]基于手部X光图像的骨龄检测系统设计与实现[J]. 王燚,钟俊航.  信息系统工程. 2015(01)
[5]中国人手腕骨发育标准——CHN法[J]. 张绍岩,杨士增,邵伟东,黄耕培,欧建华,金寿光,黄惟军,纪庆科,吴惠茹.  体育科学. 1993(06)
[6]骨龄与青春期发育关系的追踪观察[J]. 潘复平,张国栋.  中华预防医学杂志. 1985 (02)

硕士论文
[1]基于X-ray图像的骨龄自动评估[D]. 周文祥.电子科技大学 2018
[2]基于深度学习的骨龄自动评测系统的研究与实现[D]. 王景樟.北京邮电大学 2018
[3]基于X光图像的桡骨等级评定方法研究[D]. 欧阳斌.北京交通大学 2016
[4]基于CHN法的骨龄识别方法的研究[D]. 赵娟.安徽大学 2014
[5]支持向量机在骨龄评价系统中的应用研究[D]. 王虹.昆明理工大学 2005



本文编号：3196590