骨齡作為青少年兒童生長發(fā)育的主要衡量指標,在醫(yī)學診斷、體育選材、司法鑒定上具有重要的價值。目前臨床上以人工判讀骨齡為主,一方面經(jīng)驗豐富的醫(yī)生稀缺,另一方面主觀差異大并且花費時間長。因此,計算機輔助評估骨齡技術愈來愈得到兒科醫(yī)生的重視。當前骨齡自動評估的難點主要有三個:一是因手骨發(fā)育進程中形態(tài)變化大而導致目標骨結構難以精準分割;二是難以將現(xiàn)行骨齡評價標準中所描述的圖像特征進行有效的參數(shù)化,提取出有效的骨塊形狀、紋理特征;三是難以找到骨骼成熟度與骨塊圖像特征之間的聯(lián)系,使得機器評估骨齡與人工判讀相比優(yōu)勢并不明顯。本文從解決上述難點出發(fā),研究了骨齡自動評估中的若干關鍵技術,主要內容如下:（1）基于AHSM模型的RUS骨塊精準分割方法。針對骨塊分割難點提出了一種自適應手骨分割模型（Adaptive Hand-bone Segmentation Model,AHSM）,能夠根據(jù)不同時期青少年手骨發(fā)育特點,建立多階段形狀模型和多層次投影模型,既保持了分布模型強大的局部約束能力,又提高了骨塊識別率,實現(xiàn)了目標骨塊的自適應精準分割。（2）RUS骨塊形狀和紋理特征提取方法。采用統(tǒng)計形狀模型方法和德勞內-... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的背景與意義
    1.2 國內外骨齡評估研究現(xiàn)狀
    1.3 本論文的主要研究內容
    1.4 本論文的章節(jié)安排
第2章 基于AHSM模型的RUS骨塊精準分割方法
    2.1 AHSM算法的提出
        2.1.1 點分布模型PDM簡介
        2.1.2 自適應手骨分割模型AHSM
    2.2 AHSM的訓練方法
        2.2.1 RUS關鍵點標注
        2.2.2 多階段形狀模型
        2.2.3 多層次投影模型
    2.3 AHSM的搜索方法
        2.3.1 APL快速定位法
        2.3.2 RUS自動化分割
        2.3.3 RUS分割異常調整
    2.4 AHSM分割實驗
        2.4.1 骨齡樣本庫建立
        2.4.2 實驗參數(shù)設定
        2.4.3 結果分析與評價
    2.5 本章小結
第3章 RUS骨塊形狀-紋理特征提取方法
    3.1 RUS骨塊關鍵特征分析
        3.1.1 RUS骨塊特征描述子
        3.1.2 RUS骨塊形狀特征
        3.1.3 RUS骨塊紋理特征
    3.2 RUS骨塊關鍵特征提取
        3.2.1 骨塊特征描述子提取
        3.2.2 骨塊形狀特征提取
        3.2.3 骨塊紋理特征提取
    3.3 RUS骨塊特征提取實驗
    3.4 本章小結
第4章 融合形狀-紋理雙重特征的骨齡評估方法
    4.1 形狀-紋理特征融合
    4.2 形狀-紋理特征回歸
        4.2.1 多元線性回歸
        4.2.2 支持向量回歸
    4.3 骨齡評估實驗
        4.3.1 訓練樣本骨齡評估
        4.3.2 測試樣本骨齡評估
    4.4 本章小結
第5章 骨齡自動評估原型系統(tǒng)設計與實現(xiàn)
    5.1 系統(tǒng)整體設計
        5.1.1 設計思路
        5.1.2 結構概述
        5.1.3 關鍵技術
    5.2 系統(tǒng)功能實現(xiàn)
        5.2.1 數(shù)據(jù)解析
        5.2.2 骨齡檢測
        5.2.3 身高預測
    5.3 系統(tǒng)功能測試
    5.4 本章小結
第6章 總結與展望
    6.1 全文總結
    6.2 工作展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]TW3成年身高預測改良法在中國兒童中的應用研究[J]. 潘嘉嚴,張先來,徐東.  現(xiàn)代醫(yī)學. 2018(07)
[2]基于RUS-CHN標準的手腕骨骨化中心識別分割算法[J]. 曹潤,熊開宇,黃偉航,姚樂輝,何輝,賀瑩瑩.  北京體育大學學報. 2018(04)
[3]基于約束局部模型的全自動橈骨分割[J]. 劉潔琳,劉杰,朱翔宇.  新疆大學學報(自然科學版). 2017(02)
[4]基于中華05骨齡標準的橈骨骨齡等級計算機評定系統(tǒng)的設計[J]. 朱翔宇,歐陽斌,羅冬梅,劉杰.  體育科學. 2016(09)
[5]基于OpenCV的X光手指骨圖像分割方法[J]. 張林,吳振強.  計算機技術與發(fā)展. 2015(11)
[6]基于k-余弦曲率和WSVM的骨齡識別方法[J]. 李新華,趙娟,袁振宇,王晨旸.  計算機應用與軟件. 2015(08)
[7]不同病因矮身材兒童TW2-R、C、T骨齡評分特征研究[J]. 崔蘊璞,張銘濤,王新利.  中國當代兒科雜志. 2015(05)
[8]基于手部X光圖像的骨齡檢測系統(tǒng)設計與實現(xiàn)[J]. 王燚,鐘俊航.  信息系統(tǒng)工程. 2015(01)
[9]ASM的手骨提取方法研究[J]. 黃飛,尤啟房,楊晉吉.  計算機工程與應用. 2016(03)
[10]骨齡X射線圖像的手骨興趣區(qū)域定位研究[J]. 宋日剛.  計算機應用與軟件. 2014(07)

碩士論文
[1]基于X-ray圖像的骨齡自動評估[D]. 周文祥.電子科技大學 2018
[2]基于深度學習的骨齡自動評測系統(tǒng)的研究與實現(xiàn)[D]. 王景樟.北京郵電大學 2018
[3]計算機輔助橈骨骨齡等級評估[D]. 劉潔琳.北京交通大學 2017
[4]基于CHN法的骨齡識別方法的研究[D]. 趙娟.安徽大學 2014
[5]支持向量機在骨齡評價系統(tǒng)中的應用研究[D]. 王虹.昆明理工大學 2005



本文編號：3645456