一种人工智能骨龄检测终端设备制造技术

本发明专利技术提供一种人工智能骨龄检测终端设备，包括：机架，包括底板、顶箱及用以连接所述顶箱及所述底板的支撑板；X光发生器，设于所述顶箱下表面，用以发射X射线；检测板，设于所述底板的顶部，用以放置人手；X光探测器，设于所述底板内部，用以接收穿过人手的X射线；数据处理系统，用以根据人手的X光影像建立数据模型，并判断被检测者的骨龄。本发明专利技术的优点在于，提供一种人工智能骨龄检测终端设备，采用人工智能技术中的深度学习算法，通过采集幼儿或少年骨龄图片的手部X光图片推断出该被检测者的骨龄值，检测速度快、精准率高。

An Artificial Intelligence Bone Age Detection Terminal Equipment

【技术实现步骤摘要】
一种人工智能骨龄检测终端设备
本专利技术涉医疗影像处理领域，特别涉及一种人工智能骨龄检测终端设备。
技术介绍
骨龄分析作为生长发育程度的一项重要指标，在医学、体育及司法鉴定风领域中发挥着重要作用。骨龄是由儿童的骨骼钙化程度所决定的。骨龄能较准确地反映人从出生到完全成熟的过程中各年龄阶段的发育水平。放射科医生通过对比儿童手部的X光片和他们对应年龄的标准状态，来测量儿童的骨龄。青少年骨龄评测在儿科内分泌问题和儿童成长障碍诊断方面有重要作用，常用于青少年内分泌紊乱、生长发育延迟、先天性肾上腺皮质增生等症状的筛查，也可以对技术使用的干预效果进行评价，另外，骨龄也可用于鉴定未成年人的真实年龄，在青少年犯罪案件和体育比赛中确认选手年龄中都得到应用。目前国际上较为常用的骨骼发育成熟度评价方法包括基于欧美骨骼发育特点提出G-P图谱法和TW计分法。而由于各国人骨骼发育情况存在较大差异，G-P图谱法和TW计分法不能适用于东亚人种。我国常用的人工智能骨龄检测终端设备有百分计数法、顾氏图谱法、中国人手腕骨发育标准CHN法等。但这些人工评估骨龄方法繁琐时且易受主观影响，随机误差大，骨发育等级标准的文字描述实际应用起来比较复杂、系统误差较大。随着GPU加速的深度学习技术，通过人工智能来完成对于骨龄的自动检测已经成为了可能。并且医学成像技术不断提升，医院具有众多高端成像设备，可以更快地获取高质量的医学影像。但是对于医学影像的判断一般还是由医生完成，这不但费时费力，而且存在很多主管因素。并且医院每天有大数据级别的医学影像需要处理。因此，急需提出一种运用人工智能的方法来进行骨龄检测并且可以批量化同步进行。
技术实现思路
本专利技术的目的在于，提供一种人工智能骨龄检测终端设备，可以有效解决了传统的人工智能骨龄检测终端设备中误差大、费时费力等问题，可以有效提高医院对骨龄检测的执行效率和准确率。为解决上述技术问题，本专利技术提供一种人工智能骨龄检测终端设备包括：机架，包括底板、顶箱及用以连接所述顶箱及所述底板的支撑板；X光发生器，设于所述顶箱下表面，用以发射X射线；检测板，设于所述底板的顶部，用以放置人手；X光探测器，设于所述底板内部，用以接收穿过人手的X射线；以及数据处理系统，用以根据人手的X光影像建立数据模型，并判断被检测者的骨龄。进一步地，所述数据处理系统包括：影像获取单元，用以获取两个以上青少年的手骨影像图；存储单元，用以存储青少年的手骨影像图、影像数据及青少年的年龄；预处理单元，用以对两个以上所述手骨影像图进行数据化处理，获取两组以上影像数据，每一组影像数据包括至少一组特征数据；样本生成单元，用以生成两个以上数据化样本，每一数据化样本包括一青少年的年龄及该青少年的手骨影像被数据化处理后获得的一组影像数据；样本分类单元，用以将两个以上所述数据化样本分成训练样本及测试样本两类；样本分组单元，用以将所述训练样本被分成两个以上组别，同一组别的训练样本标识有相同的组别标签，所述组别标签代表青少年的年龄；数据模型构建单元，用以利用两个以上训练样本的影像数据及组别标签构建并训练初级数据模型；验证单元，用以根据至少一测试样本的影像数据对所述初级数据模型进行验证处理；以及数据模型优化单元，用以根据验证的结果构建优化数据模型；其中，所述存储单元用以存储所述初级数据模型及所述优化数据模型。进一步地，所述预处理单元从所述特征区域筛选出17个有效的特征区域；每一有效的特征区域包括一骨骼连接处影像或一骨骼的全部或部分影像。进一步地，所述初级数据模型包括RPN网络与FastR-CNN网络，所述RPN网络与FastR-CNN网络共享底层卷积层，底层卷积层包括五层卷积层，底层卷积层后包括第六卷积层，第六卷积层连接两个卷积分支，通过两个卷积分支分别输出初始区域分类得分与边界框，构成RPN网络，通过RPN网络提取目标骨骼的初始兴趣区域；所述底层卷积层通过ROI池化层连接第一全连接层和第二全连接层，所述第一全连接层和第二全连接层根据所述初始兴趣区域分别输出分类得分与边界框位置坐标。进一步地，所述数据处理系统包括包括：存储单元，用以存储优化数据模型；样本采集单元，用以采集一被检测样本，其为一被检测人的手骨影像的数据化样本，包括该被检测人的手骨影像被数据化处理后获得的一组影像数据；骨龄判断单元，用以将被检测样本录入至所述优化数据模型，所述优化数据模型获取所述待检测样本的组别标签，判断所述被检测人的骨龄。进一步地，青少年手骨影像包括但不限于青少年在手掌平展状态下的指骨和/或掌骨和/或腕骨的影像；被检测人手骨影像包括但不限于被检测人在手掌平展状态下的指骨和/或掌骨和/或腕骨的影像。进一步地，所述青少年、所述被检测人的年龄精确到百分位；所述数据化样本数量为40000~300000；所述组别标签数量为2000组，分别代表0至20岁的青少年。进一步地，所述人工智能骨龄检测终端设备还包括：输入单元，连接至所述数据处理系统；以及输出单元，连接至所述数据处理系统。进一步地，所述输入单元包括但不限于键盘、DICOM接口或USB接口；所述输出单元包括但不限于打印机、显示屏、扬声器或USB接口。进一步地，所述人工智能骨龄检测终端设备还包括：缺口，由所述底板、所述顶箱及所述支撑板围成；安全板，可拆卸式安装至所述缺口；所述安全板为可隔离X射线的材质制成；通孔，贯穿于所述安全板的一侧壁；以及三个以上车轮，设于所述机架底部。本专利技术的有益效果是：本专利技术提供一种人工智能骨龄检测终端设备，采用人工智能技术中的深度学习算法，通过采集幼儿或少年骨龄图片的手部X光图片推断出该被检测者的骨龄值，检测速度快、精准率高。本专利技术采用人工智能技术中的深度学习算法，对不同年龄段的幼儿或少年骨龄图片进行数据采集和特征提取，采用海量的图片数据训练并建立数据模型，然后对需要被检测者的手部X光图片进行数据采集后送至数据模型中，通过卷积进行特征选取，通过大量的特征数据推断出该被检测者的骨龄值。本专利技术通过人工智能的方法进行骨龄检测，可以避免人工的主观因素，提高检测效率和准确。本专利技术可以通过对测试的图片影像进行对搭建好的数据模型进行验证，并可以通过自反馈对数据模型进行不断的优化，将医学影像的预测率提高。本专利技术最后可以集成到医院系统中，可以进行同步批量处理，为医院工作人员提供帮助，可以提高工作效率。附图说明下面结合附图和实施例对本专利技术作进一步的描述。图1为本专利技术所述的人工智能骨龄检测终端设备的整体结构示意图；图2为本专利技术所述的人工智能骨龄检测终端设备的部分结构示意图；图3为本专利技术所述数据处理系统的结构示意图；图4为本专利技术所述验证单元的结构示意图；图5为本专利技术提供的骨龄智能检测方法流程图；图6为本专利技术所述样本采集步骤的流程图；图7为本专利技术样本预处理步骤的流程图；图8为本专利技术验证步骤的流程图；图9为本专利技术被检测样本采集步骤的流程图；图10为本专利技术被检测样本预处理步骤的流程图。具体实施方式以下是各实施例的说明是参考附加的图式，用以例示本专利技术可以用湿湿的特定实施例。本专利技术所提到的方向用语，例如上、下、前、后、左、右、内、外、侧等，仅是参考附图式的方向。本专利技术提到的元件名称，例如第一、第二等，仅是区分不同的元部件，可以更好的表达。在图中，结构相似的单元以本文档来自技高网...

【技术保护点】
1.一种人工智能骨龄检测终端设备，其特征在于，包括：机架，包括底板、顶箱及用以连接所述顶箱及所述底板的支撑板；X光发生器，设于所述顶箱下表面，用以发射X射线；检测板，设于所述底板的顶部，用以放置人手；X光探测器，设于所述底板内部，用以接收穿过人手的X射线；以及数据处理系统，用以根据人手的X光影像建立数据模型，并判断被检测者的骨龄。

【技术特征摘要】
1.一种人工智能骨龄检测终端设备，其特征在于，包括：机架，包括底板、顶箱及用以连接所述顶箱及所述底板的支撑板；X光发生器，设于所述顶箱下表面，用以发射X射线；检测板，设于所述底板的顶部，用以放置人手；X光探测器，设于所述底板内部，用以接收穿过人手的X射线；以及数据处理系统，用以根据人手的X光影像建立数据模型，并判断被检测者的骨龄。2.如权利要求1所述的人工智能骨龄检测终端设备，其特征在于，所述数据处理系统包括：影像获取单元，用以获取两个以上青少年的手骨影像图；存储单元，用以存储青少年的手骨影像图、影像数据及青少年的年龄；预处理单元，用以对两个以上所述手骨影像图进行数据化处理，获取两组以上影像数据，每一组影像数据包括至少一组特征数据；样本生成单元，用以生成两个以上数据化样本，每一数据化样本包括一青少年的年龄及该青少年的手骨影像被数据化处理后获得的一组影像数据；样本分类单元，用以将两个以上所述数据化样本分成训练样本及测试样本两类；样本分组单元，用以将所述训练样本被分成两个以上组别，同一组别的训练样本标识有相同的组别标签，所述组别标签代表青少年的年龄；数据模型构建单元，用以利用两个以上训练样本的影像数据及组别标签构建并训练初级数据模型；验证单元，用以根据至少一测试样本的影像数据对所述初级数据模型进行验证处理；以及数据模型优化单元，用以根据验证的结果构建优化数据模型；其中，所述存储单元用以存储所述初级数据模型及所述优化数据模型。3.如权利要求2所述的人工智能骨龄检测终端设备，其特征在于，所述预处理单元从所述特征区域筛选出17个有效的特征区域；每一有效的特征区域包括一骨骼连接处影像或一骨骼的全部或部分影像。4.如权利要求2所述的人工智能骨龄检测终端设备，其特征在于，所述初级数据模型包括RPN网络与FastR-CNN网络，所述RPN网络与FastR-CNN网络共享底层卷积层，底层卷积层包括五层卷积层，底层卷积层后包括第六卷积层，第六...

【专利技术属性】
技术研发人员：杨秀军，于广军，王乾，李嫔，陈旭，
申请(专利权)人：上海市儿童医院，
类型：发明
国别省市：上海,31