基于TW2法和卷积神经网络的骨龄辅助评测技术

发布时间：2021-01-13 14:30

　　骨龄是衡量骨骼发育程度的数值,它是医学上诊断青少年内分泌疾病和预测人体身高的参考指标。根据骨骼不同发育阶段呈现的显著特征,可以实现骨龄大小的评测。目前大多数骨龄评测方式,是医生在医学骨龄评测标准下进行人工分析骨骼图像计算骨龄,具有过程繁琐、耗时长而且受医生主观影响的缺点。少数骨龄评测采用基于骨骼图像的计算机自动计算骨龄方式,但存在对医生评测过程和依据不可见且评测结果不可更改的缺陷。针对两种方式存在的问题,本文探索基于医学骨龄评测标准TW2（TannerWhitehouse）法的计算机骨龄辅助评测方式,研究骨龄评测中的骨龄评测流程、图像预处理、手骨分割、手骨特征提取和手骨分类等关键技术。其主要研究内容和成果如下:1.针对现有骨龄评测方法过程不可见和结果不可更改问题,提出基于TW2法的骨龄辅助评测架构。该架构依据TW2的骨龄评测流程,将骨龄评测分为手骨检测、医生手骨检测调整、手骨分类、医生手骨分类调整和骨龄计算等部分,使得骨龄评测依据和过程可见、评测结果可更改和评测准确率更高。2.针对骨龄评测中图像预处理、手骨检测和手骨分类等任务,研究基于TW2法和传统图像处理的骨龄辅助评测的方法。该方法... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究动态
        1.2.1 传统骨龄评测
        1.2.2 深度学习骨龄评测
    1.3 本文主要内容与结构安排
第二章 基于TW2法的骨龄辅助评测架构
    2.1 医学TW2 法骨龄评测流程
    2.2 TW2 法中手骨分类规则
    2.3 TW2 法中骨龄映射规则
    2.4 基于TW2 法的骨龄辅助评测架构
    2.5 本章小节
第三章 基于TW2法和传统图像处理的骨龄辅助评测
    3.1 图像预处理
    3.2 手骨检测
    3.3 手骨特征定义与提取
    3.4 手骨分类
    3.5 仿真实验
        3.5.1 局部算法性能测试
        3.5.2 整体算法性能测试
    3.6 本章小结
第四章 基于TW2法和卷积神经网络的骨龄辅助评测
    4.1 基于TW2 法和卷积网络的骨龄辅助评测流程
    4.2 卷积神经网络
        4.2.1 基本结构
        4.2.2 卷积神经网络中的迁移学习方法
    4.3 手骨检测网络
        4.3.1 手骨检测网络处理框架
        4.3.2 手骨检测网络训练与性能测试
    4.4 手骨分类网络
        4.4.1 手骨分类网络结构
        4.4.2 手骨分类网络训练与性能测试
    4.5 传统图像处理的骨龄评测与卷积神经网络的骨龄评测性能测试
    4.6 本章小结
第五章 全文总结及展望
    5.1 全文总结
    5.2 工作展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]基于k-余弦曲率和WSVM的骨龄识别方法[J]. 李新华,赵娟,袁振宇,王晨旸.  计算机应用与软件. 2015(08)
[2]骨龄X射线图像的手骨兴趣区域定位研究[J]. 宋日刚.  计算机应用与软件. 2014(07)
[3]一种基于角点检测方法的骨龄图像关键点定位[J]. 冉隆科.  电子设计工程. 2011(14)
[4]基于X光图像的骨龄评估系统设计与实现[J]. 董娜,王瑶,聂磊,齐立娜,吴壮志,唐发根.  计算技术与自动化. 2010(01)
[5]X线计测法推断骨龄的研究进展[J]. 万雷,应充亮,朱广友,王亚辉,刘会.  法医学杂志. 2009(05)
[6]CHN骨龄在司法鉴定中的应用价值[J]. 钱立,王国红,李富兴,钟合雄,夏占统,朱一明,徐坚民,臧达.  中国法医学杂志. 2008(02)
[7]基于小波的支持向量机算法研究[J]. 林继鹏,刘君华.  西安交通大学学报. 2005(08)
[8]骨龄测定与成年身高预测[J]. 宁刚,杨定焯,吴康敏,刘军.  国外医学.妇幼保健分册. 1999(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]中国儿童青少年乒乓球分龄赛运动员骨龄检测状况的研究[D]. 黄陈力子.北京体育大学 2015



本文编号：2975030