买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种骨龄测量方法、系统与电子设备及计算机可读存储介质，该方法包括如下步骤：采集超声影像并对其进行预处理；利用训练好的基于深度学习的质控模型对所述超声影像进行质量筛选；利用训练好的基于深度学习的多目标分割模型对质量筛选合格的超声影像提取骨化中心区域与软骨区域；对所述骨化中心区域、软骨区域和临床信息进行多目标特征融合，对融合后的多目标特征进行XGBoost回归分析，得到骨龄测量值。本发明的骨龄测量方法及系统对于人体无创、无辐射，安全性高、检测方便，且检测结果准确。

主权项：1.一种骨龄测量方法，其特征在于：包括以下步骤：步骤S1：采集超声影像并对其进行预处理；步骤S2：利用训练好的基于深度学习的质控模型对所述超声影像进行质量筛选；其中，基于深度学习的质控模型的训练过程，包括：依据经验对每一帧超声图像标注一个对应的质量等级参考值；搭建基于卷积神经网络结构的质控模型，设置损失函数为分类交叉损失函数；将所述超声图像及其质量等级参考值作为输入对质控模型进行训练，得到质控模型训练权重文件；通过训练过程的反向传播，采用使损失函数最小的方式，不断更新质控模型每一层的权重使质控模型输出迭代逼近真值，直到质控模型前向传播的预测值与标注的质量等级参考值之间的分类交叉损失值趋于收敛，得到优化的质控模型权重文件，所述优化的质控模型权重文件作为所述质控模型的输入；步骤S3：利用训练好的基于深度学习的多目标分割模型对质量筛选合格的超声影像提取骨化中心区域与软骨区域；其中，基于深度学习的多目标分割模型的训练过程，包括：依据经验对质量筛选合格的每一帧超声影像标注骨化中心参考区域与软骨参考区域；搭建基于卷积神经网络结构的多目标分割模型，设置损失函数为Dice系数；将质量筛选合格的超声图像及其骨化中心参考区域与软骨参考区域作为输入对多目标分割模型进行训练，得到多目标分割模型训练权重文件；通过训练过程的反向传播，采用使损失函数最小的方式，不断更新多目标分割模型每一层的权重使多目标分割模型输出迭代逼近真值，直到多目标分割模型前向传播的预测分割结果与标注的骨化中心参考区域和软骨参考区域之间的Dice系数趋向于收敛，得到优化的多目标分割模型权重文件；所述优化的多目标分割模型权重文件作为所述多目标分割模型的输入；步骤S4：对所述骨化中心区域、软骨区域和临床信息进行多目标特征融合，对融合后的多目标特征进行XGBoost回归分析，得到骨龄测量值。

全文数据：

权利要求：

百度查询： 华中科技大学同济医学院附属同济医院 武汉聚垒科技有限公司 骨龄测量方法、系统与电子设备及计算机可读存储介质