骨龄自动评估关键技术研究及原型系统开发.pdfVIP

摘要

骨龄作为青少年儿童生长发育的主要衡量指标，在医学诊断、体育选材、司

法鉴定上具有重要的价值。目前临床上以人工判读骨龄为主，一方面经验丰富的

医生稀缺，另一方面主观差异大并且花费时间长。因此，计算机辅助评估骨龄技

术愈来愈得到儿科医生的重视。当前骨龄自动评估的难点主要有三个：一是因手

骨发育进程中形态变化大而导致目标骨结构难以精准分割；二是难以将现行骨龄

评价标准中所描述的图像特征进行有效的参数化，提取出有效的骨块形状、纹理

特征；三是难以找到骨骼成熟度与骨块图像特征之间的联系，使得机器评估骨龄

与人工判读相比优势并不明显。本文从解决上述难点出发，研究了骨龄自动评估

中的若干关键技术，主要内容如下：

（1）基于AHSM模型的RUS骨块精准分割方法。针对骨块分割难点提出

了一种自适应手骨分割模型（AdaptiveHand-boneSegmentationModel，AHSM），

能够根据不同时期青少年手骨发育特点，建立多阶段形状模型和多层次投影模型，

既保持了分布模型强大的局部约束能力，又提高了骨块识别率，实现了目标骨块

的自适应精准分割。

（2）RUS骨块形状和纹理特征提取方法。采用统计形状模型方法和德劳内

-三角网格生成法成功将RUS骨块形状、纹理参数化，并且对提取到的骨块关键

特征进行骨龄区分度的比较，筛选出具有良好的骨龄区分度的图像特征。

（3）融合形状-纹理双重特征的骨龄评估方法。针对骨块形状-纹理融合特征

分别采取多元线性回归和支持向量回归两种算法建立骨龄回归模型，不仅证明了

所得特征的合理性，还在训练集和测试集上都表现出较高的骨龄评估精度，达到

了临床上对于骨龄准确性和稳定性的要求。

（4）骨龄自动评估原型系统开发。按照系统模块化的设计思路开发出一个

功能较为完整的骨龄自动评估原型系统（AutoBoneAGEStandalone）。该系统集

成了手骨自适应分割、形状-纹理特征提取、骨龄自动评估等关键技术，实现了

1~18岁青少年手骨图像的骨龄自动检测，得到影像科专家和儿科医生的认可。

关键词：骨龄评估，手骨自适应分割，图像特征提取，多元线性回归，支持向量

回归

ABSTRACT

Asaprimaryindicatorforassessingthegrowthanddevelopmentofyouth,bone

agehasimportantvalueinmedicaldiagnosis,athleteselectionandjudicial

identification.Atpresent,themainmeansofclinicallyassessingboneageismanual

diagnosis.Ontheonehand,experienceddoctorsarescarce,ontheotherhand,

subjectivedifferencesarelargeandtakealongtime.Asaresult,pediatriciansare

increasinglyconcernedwiththedevelopmentofcomputer-aidedassessmentofbone

agetechnology.Therearethreemaindifficultiesinthecurrentautomaticassessmentof

boneage:firstly,itisdifficulttoaccuratelysegmentthetargetbonestructureduetothe

largemorphologicalchangesinthedevelopmentofthehandbone;secondly,itis

difficulttoeffectivelyparameterizetheimagefeaturesdescribedincurrentboneage

assessmentcr