基于特征提取的手骨影像分析方法及相关设备

技术特征：
1.一种基于特征提取的手骨影像分析方法，其特征在于，包括：患者的初始手骨影像经过预处理，得到手骨影像；主神经网络提取并得到所述手骨影像的全局特征，并生成所述手骨影像的全局特征向量，所述主神经网络对所述全局特征向量进行全局诊断，得到全局诊断结果，其中，所述主神经网络是初始主神经网络利用采集的数据集进行训练得到的；区域框选神经网络对所述手骨影像的多个关键区域进行框选，得到多个关键区域影像，其中，所述区域框选神经网络是初始区域框选神经网络利用采集的所述数据集进行训练得到的；所述主神经网络提取多个所述关键区域影像的特征，得到多个所述手骨影像的关键区域特征，并生成多个所述手骨影像的关键区域特征向量，所述主神经网络对多个所述关键区域特征向量进行关键区域诊断，得到多个关键区域诊断结果；所述主神经网络对所述全局特征向量与所述关键区域特征向量进行拼接，得到拼接向量，所述主神经网络对所述拼接向量进行拼接诊断，得到拼接诊断结果；所述主神经网络根据所述全局诊断结果、所述关键区域诊断结果以及所述拼接诊断结果，对所述手骨影像进行综合诊断，得到所述患者是否患大骨节病的最终诊断结果。2.根据权利要求1所述的基于特征提取的手骨影像分析方法，还包括：构建所述初始主神经网络和所述初始区域框选神经网络；获取所述数据集，所述数据集包括多个初始样本手骨影像、对多个初始样本手骨影像手动进行综合诊断的诊断结果、以及对多个所述初始样本手骨影像手动框选的关键区域的坐标；所述初始主神经网络基于所述数据集进行训练，得到所述主神经网络；所述初始区域框选神经网络基于所述数据集进行训练，得到所述区域框选神经网络。3.根据权利要求2所述的基于特征提取的手骨影像分析方法，其特征在于，所述初始主神经网络基于所述数据集进行训练，得到所述主神经网络，包括：从所述数据集中获取所述初始样本手骨影像，对所述初始样本手骨影像经过进行预处理，得到样本手骨影像；所述初始主神经网络对所述样本手骨影像进行全局诊断处理得到样本全局诊断结果，并利用所述样本全局诊断结果计算得到全局损失l
g
；所述初始主神经网络对所述样本手骨影像进行关键区域诊断处理得到多个样本关键区域诊断结果，并利用多个所述样本关键区域诊断结果计算得到关键区域损失l
p
；所述初始主神经网络对所述样本手骨影像进行拼接诊断处理得到多个样本拼接诊断结果，并利用多个所述样本拼接诊断结果计算得到拼接损失l
*
；所述初始主神经网络利用所述全局损失l
g
、所述关键区域损失l
p
以及所述拼接损失l
*
计算整体网络损失l
total
；基于所述整体网络损失l
total
调整所述初始主神经网络的参数，完成对所述初始主神经网络的一次训练；响应于确定所述整体网络损失l
total
小于等于预设阈值或所述初始主神经网络的所有所述数据集完成训练，将训练完成后的所述初始主神经网络作为所述主神经网络。4.根据权利要求3所述的基于特征提取的手骨影像分析方法，其特征在于，还包括：
所述初始主神经网络对所述样本手骨影像进行全局诊断处理得到样本全局诊断结果，包括：所述初始主神经网络提取并得到所述样本手骨影像的样本全局特征，并生成所述样本手骨影像的样本全局特征向量，所述初始主神经网络对所述样本全局特征向量进行全局诊断，得到所述样本全局诊断结果；所述初始主神经网络对所述样本手骨影像进行关键区域诊断处理得到多个样本关键区域诊断结果，包括：所述初始区域框选神经网络对所述样本手骨影像的多个关键区域进行框选，得到多个样本关键区域影像；所述初始主神经网络提取多个所述样本关键区域影像的特征，得到多个所述样本手骨影像的样本关键区域特征，并生成多个所述样本手骨影像的样本关键区域特征向量，所述初始主神经网络对多个所述样本关键区域特征向量进行关键区域诊断，得到多个所述样本关键区域诊断结果；所述初始主神经网络对所述样本手骨影像进行拼接诊断处理得到多个样本拼接诊断结果，包括：所述初始主神经网络对所述样本全局特征向量与所述样本关键区域特征向量进行拼接，得到样本拼接向量，所述初始主神经网络对所述样本拼接向量进行拼接诊断，得到所述样本拼接诊断结果。5.根据权利要求3所述的基于特征提取的手骨影像分析方法，其特征在于，所述初始主神经网络利用所述全局损失l
g
、所述关键区域损失l
p
以及所述拼接损失l
*
计算所述整体网络损失l
total
，包括：所述初始主神经网络利用如下公式计算所述整体网络损失l
total
：l
total
＝l
*
λl
g
βl
p
其中参数λ与β为所述全局损失l
g
与所述关键区域损失l
p
的权重。6.根据权利要求1所述的基于特征提取的手骨影像分析方法，其特征在于，所述主神经网络根据所述全局诊断结果、所述关键区域诊断结果以及所述拼接诊断结果，对所述手骨影像进行综合诊断，得到所述患者是否患大骨节病的最终诊断结果，包括：所述主神经网络为所述全局诊断结果、所述关键区域诊断结果以及所述拼接诊断结果赋予不同权重，经过计算得到结果数值；所述主神经网络通过对比所述结果数值与预设的诊断阈值得到所述最终诊断结果。7.根据权利要求1所述的基于特征提取的手骨影像分析方法，其特征在于，所述全局特征包括所述手骨影像中手骨的分布情况以及骨骼的纹理；所述关键区域包括无名指、中指、食指的中节与基节骨骺，大拇指末节骨骺，以及第三掌骨近端；所述关键区域特征包括骨干骺端凹陷、硬化、凹凸不平。8.一种基于特征提取的手骨影像分析装置，其特征在于，包括：预处理模块，被配置为患者的初始手骨影像经过预处理，得到手骨影像；全局诊断模块，被配置为主神经网络提取并得到所述手骨影像的全局特征，并生成所述手骨影像的全局特征向量，所述主神经网络对所述全局特征向量进行全局诊断，得到全局诊断结果；
关键区域框选模块，被配置为区域框选神经网络对所述手骨影像的多个关键区域进行框选，得到多个关键区域影像；关键区域诊断模块，被配置为所述主神经网络提取多个所述关键区域影像的特征，得到多个所述手骨影像的关键区域特征，并生成多个所述手骨影像的关键区域特征向量，所述主神经网络对多个所述关键区域特征向量进行关键区域诊断，得到多个关键区域诊断结果；拼接诊断模块，被配置为所述主神经网络对所述全局特征向量与所述关键区域特征向量进行拼接，得到拼接向量，所述主神经网络对所述拼接向量进行拼接诊断，得到拼接诊断结果；最终结果诊断模块，被配置为所述主神经网络根据所述全局诊断结果、所述关键区域诊断结果以及所述拼接诊断结果，对所述手骨影像进行综合诊断，得到所述患者是否患大骨节病的最终诊断结果。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。

技术总结
本申请提供一种基于特征提取的手骨影像分析方法及相关设备，首先，训练好的主神经网络提取患者的手骨影像的全局特征得到全局特征向量，再通过框选关键区域提取关键区域特征得到关键区域特征向量，然后拼接全局特征向量与关键区域特征向量得到拼接向量；训练好的主神经网络分别对全局特征向量、关键区域特征向量以及拼接向量进行诊断，得到全局诊断结果、关键区域诊断结果以及拼接诊断结果，再根据上述三个诊断结果对手骨影像进行综合诊断，判断患者是否患大骨节病。本申请提供的方法保证了大骨节病诊断的效率与准确率，满足了大规模筛查大骨节病患者的需求，解决了相关技术中大规模筛查时人工判断影像是否患病效率较低的问题。题。题。


技术研发人员：贺志强 牛凯 乔永康 王璐
受保护的技术使用者：北京邮电大学
技术研发日：2021.11.19
技术公布日：2022/4/15