本發(fā)明屬于骨齡估計，尤其涉及一種成人骨齡估算方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、根據(jù)骨骼進(jìn)行年齡估計是人類學(xué)、考古學(xué)和法醫(yī)學(xué)的重要研究內(nèi)容。傳統(tǒng)的骨齡估計方法需借助于專家對骨骼形態(tài)的分類進(jìn)行主觀判斷，結(jié)果受主觀性影響較大，準(zhǔn)確性大大減少。

2、近年來，人工智能越來越多地輔助骨齡估計，提高了骨齡估計的準(zhǔn)確性和效率。盡管人工智能取得了進(jìn)步，但在骨齡估計領(lǐng)域仍存在一些挑戰(zhàn)。由于骨骺完全閉合，成人骨齡的預(yù)測更為復(fù)雜，且不同個體之間存在骨骼形態(tài)的差異。因此，需要開發(fā)一種更精確的算法模型，來提高骨齡估計的準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例提供了一種成人骨齡估算方法、裝置、電子設(shè)備及存儲介質(zhì)，以實現(xiàn)更準(zhǔn)確的骨齡估計。

2、本發(fā)明實施例的第一方面提供了一種成人骨齡估算方法，包括：

3、獲取目標(biāo)成人骨盆的圖像數(shù)據(jù)；

4、根據(jù)所述圖像數(shù)據(jù)，通過預(yù)先訓(xùn)練的骨盆骨齡估計模型，確定骨齡；

5、其中，所述骨盆骨齡估計模型由依次連接的swin?transformer模型、mish激活函數(shù)、線性層和sigmoid激活函數(shù)構(gòu)成。

6、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，所述骨盆骨齡估計模型通過以下方法預(yù)先訓(xùn)練：

7、從預(yù)設(shè)的骨盆數(shù)據(jù)庫中獲取不同成人骨盆的圖像數(shù)據(jù)，生成所述骨盆骨齡估計模型的訓(xùn)練數(shù)據(jù)集；

8、根據(jù)所述訓(xùn)練數(shù)據(jù)集，通過預(yù)設(shè)的遷移學(xué)習(xí)算法迭代優(yōu)化初始模型的模型參數(shù)，得到所述骨盆骨齡估計模型。

9、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，所述遷移學(xué)習(xí)算法為adamw優(yōu)化算法；

10、所述adamw優(yōu)化算法包括：

11、更新一階矩估計：

12、mt＝β1mt-1+(1-β1)gt；

13、更新二階矩估計：

14、

15、修正偏差的一階矩估計：

16、

17、修正偏差的二階矩估計：

18、

19、更新模型參數(shù)：

20、

21、其中，α為學(xué)習(xí)速率；β1、β2分別為一階矩衰減率和二階矩衰減率，典型值為0.9和0.999；∈為常數(shù)，典型值為1e-8；t為當(dāng)前的迭代次數(shù)；gt為損失函數(shù)的梯度；λ為權(quán)值衰減率；θ為模型參數(shù)。

22、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，所述遷移學(xué)習(xí)算法中設(shè)定的損失函數(shù)為：

23、l＝δ·mseloss+ζ·l1loss；

24、

25、其中，δ和ζ是控制mseloss和l1loss權(quán)重的超參數(shù)，yi為實際值，為預(yù)測值，n為樣本數(shù)。

26、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，所述圖像數(shù)據(jù)包括：msct圖像，以及由所述msct圖像重構(gòu)生成的3d圖像；

27、所述從預(yù)設(shè)的骨盆數(shù)據(jù)庫中獲取不同成人骨盆的圖像數(shù)據(jù)，生成所述骨盆骨齡估計模型的訓(xùn)練數(shù)據(jù)集，包括：

28、對所述msct圖像和所述3d圖像進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的圖像數(shù)據(jù)，生成所述骨盆骨齡估計模型的訓(xùn)練數(shù)據(jù)集。

29、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，所述對所述msct圖像和所述3d圖像進(jìn)行預(yù)處理，包括：

30、對所述msct圖像統(tǒng)一尺寸，對所述3d圖像統(tǒng)一尺寸；

31、通過圖像仿射變換和高斯噪聲，分別對所述msct圖像和所述3d圖像進(jìn)行數(shù)據(jù)增強，擴(kuò)大所述msct圖像和所述3d圖像的樣本數(shù)量；

32、對所述msct圖像和所述3d圖像進(jìn)行歸一化處理。

33、結(jié)合第一方面，在第一方面的一種可能的實現(xiàn)方式中，在所述根據(jù)所述訓(xùn)練數(shù)據(jù)集，通過預(yù)設(shè)的遷移學(xué)習(xí)算法優(yōu)化初始模型的模型參數(shù)，得到所述骨盆骨齡估計模型之后，還包括：

34、通過驗證數(shù)據(jù)集測試所述骨盆骨齡估計模型的性能；

35、根據(jù)測試結(jié)果，調(diào)整所述骨盆骨齡估計模型的模型參數(shù)。

36、本發(fā)明實施例的第二方面提供了一種成人骨齡估算裝置，包括：

37、獲取模塊，用于獲取目標(biāo)成人骨盆的圖像數(shù)據(jù)；

38、年齡估計模塊，用于根據(jù)所述圖像數(shù)據(jù)，通過預(yù)先訓(xùn)練的骨盆骨齡估計模型，確定骨齡；其中，所述骨盆骨齡估計模型由依次連接的swin?transformer模型、mish激活函數(shù)、線性層和sigmoid激活函數(shù)構(gòu)成。

39、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述年齡估計模塊還用于：

40、從預(yù)設(shè)的骨盆數(shù)據(jù)庫中獲取不同成人骨盆的圖像數(shù)據(jù)，生成所述骨盆骨齡估計模型的訓(xùn)練數(shù)據(jù)集；

41、根據(jù)所述訓(xùn)練數(shù)據(jù)集，通過預(yù)設(shè)的遷移學(xué)習(xí)算法迭代優(yōu)化初始模型的模型參數(shù)，得到所述骨盆骨齡估計模型。

42、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述遷移學(xué)習(xí)算法為adamw優(yōu)化算法；

43、所述adamw優(yōu)化算法包括：

44、更新一階矩估計：

45、mt＝β1mt-1+(1-β1)gt；

46、更新二階矩估計：

47、

48、修正偏差的一階矩估計：

49、

50、修正偏差的二階矩估計：

51、

52、更新模型參數(shù)：

53、

54、其中，α為學(xué)習(xí)速率；β1、β2分別為一階矩衰減率和二階矩衰減率，典型值為0.9和0.999；∈為常數(shù)，典型值為1e-8；t為當(dāng)前的迭代次數(shù)；gt為損失函數(shù)的梯度；λ為權(quán)值衰減率；θ為模型參數(shù)。

55、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述遷移學(xué)習(xí)算法中設(shè)定的損失函數(shù)為：

56、l＝δ·mseloss+ζ·l1loss；

57、

58、其中，δ和ζ是控制mseloss和l1loss權(quán)重的超參數(shù)，yi為實際值，為預(yù)測值，n為樣本數(shù)。

59、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述圖像數(shù)據(jù)包括：msct圖像，以及由所述msct圖像重構(gòu)生成的3d圖像；

60、所述年齡估計模塊具體用于：

61、對所述msct圖像和所述3d圖像進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的圖像數(shù)據(jù)，生成所述骨盆骨齡估計模型的訓(xùn)練數(shù)據(jù)集。

62、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述年齡估計模塊具體用于：

63、對所述msct圖像統(tǒng)一尺寸，對所述3d圖像統(tǒng)一尺寸；

64、通過圖像仿射變換和高斯噪聲，分別對所述msct圖像和所述3d圖像進(jìn)行數(shù)據(jù)增強，擴(kuò)大所述msct圖像和所述3d圖像的樣本數(shù)量；

65、對所述msct圖像和所述3d圖像進(jìn)行歸一化處理。

66、結(jié)合第二方面，在第二方面的一種可能的實現(xiàn)方式中，所述年齡估計模塊具體用于：

67、通過驗證數(shù)據(jù)集測試所述骨盆骨齡估計模型的性能；

68、根據(jù)測試結(jié)果，調(diào)整所述骨盆骨齡估計模型的模型參數(shù)。

69、本發(fā)明實施例的第三方面提供了一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如上述第一方面或第一方面的任意一種實現(xiàn)方式中的所述方法的步驟。

70、本發(fā)明實施例的第四方面提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上述第一方面或第一方面的任意一種實現(xiàn)方式中的所述方法的步驟。

71、本發(fā)明實施例與現(xiàn)有技術(shù)相比存在的有益效果是：

72、由于骨骺完全閉合，成人骨齡的預(yù)測更為復(fù)雜，恥骨聯(lián)合是估計年齡最重要的骨骼標(biāo)記，因此本發(fā)明實施例通過成人骨盆的圖像數(shù)據(jù)，來估計骨齡。本發(fā)明實施例構(gòu)建了骨盆骨齡估計模型，該模型在swin?transformer模型最后添加了一個mish激活函數(shù)、一個線性層與一個sigmoid激活函數(shù)，能增強模型學(xué)習(xí)骨盆數(shù)據(jù)的復(fù)雜關(guān)系，并將提取的特征表示到指定的范圍內(nèi)，生成骨齡的概率預(yù)測，適合骨齡估計任務(wù)，提高了骨齡估計的準(zhǔn)確性。