买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江工业大学申请的专利一种基于细粒度分类的骨龄评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114742745B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210039032.7，技术领域涉及：G06T7/00；该发明授权一种基于细粒度分类的骨龄评估方法是由毛科技;张拓;陈凯彦;陆伟设计研发完成，并于2022-01-13向国家知识产权局提交的专利申请。

本一种基于细粒度分类的骨龄评估方法在说明书摘要公布了：一种基于细粒度图像分类的骨龄评估方法，包括：步骤1左手手腕骨X光片图像的获取；步骤2输入本发明中设计的基于细粒度分类的骨龄评估网络进行骨龄评估；步骤3获得骨龄评估结果。本发明利用细粒度图像分类的方法对左手手腕骨X光片进行骨龄评估，设计并实现了一个基于细粒度图像分类的骨龄评估网络，在进行骨龄评估时，仅需输入待评估的X光片以及X光片对应的性别，即可得到评估骨龄值。对于输入的X光片，骨龄评估网络能够自适应地提取出其中包含最多特征信息的若干兴趣区域，利用这些兴趣区域的图像特征来进行精确地骨龄评估。该发明对0至18岁青少年的左手手腕骨X光片都能进行准确地骨龄评估，具有较大地应用价值。

本发明授权一种基于细粒度分类的骨龄评估方法在权利要求书中公布了：1.一种基于细粒度分类的骨龄评估方法，包括以下步骤：步骤1：左手手腕骨X光片图像的获取；具体包括：1使用python库函数scipy.misc.imread函数读取待评估的X光片图像，保存为array数据类型；2使用python库函数Image.fromarray函数将array数据类型转化为Image数据类型；3使用python库函数transforms.Resize函数将图像数据都转化成448*448的大小，对所有待评估的X光片图像都使用相同的大小；4使用python库函数transforms.ToTensor将图像数据转化为Tensor向量，以供后续的骨龄评估网络使用；步骤2：输入基于细粒度分类的骨龄评估网络进行骨龄评估；所述的骨龄评估网络包括特征提取器、兴趣区域选择子网、指导子网和评估子网：所述的特征提取器使用ResNet50作为特征提取器来提取左手手腕部X光片的图像特征；将ResNet50网络最后的全连接层和Softmax层去除，仅使用网络的特征提取部分；经过特征提取器，将X光片中地图像特征提取出来，生成特征图；所述的兴趣区域选择子网根据特征提取器所提取出的图像特征，选取出X光片中具有最大信息量的兴趣区域，即具有最多图像特征的兴趣区域；兴趣区域选择子网的输入为特征提取器所生成的特征图，对这些特征图，采用了特征金字塔网络FeaturePyramidNetworks,FPN+路径聚合网络PathAggregationNetwork，PAN的结构对不同的特征进行了特征融合；在特征融合后，特征图中的语言信息以及空间信息被增强，再根据特征图中响应值，选择出具有最大信息量的兴趣区域，记为R1，R2，…，RK；接着计算K个兴趣区域中的信息量，信息量定义为IR，兴趣区域选择子网的目的是按顺序选出K个ROI,R1，R2，...，RK，使得它们满足条件IR1IR2…IRk；所述的指导子网对兴趣区域选择子网进行优化，使兴趣区域选择子网能够选出最具信息量的ROI；对于ROI选择子网选出的K的兴趣区域，R1，R2，…，RK，指导子网对这些兴趣分别进行分类，计算出其置信度CR1，CR2，…，CRK，并将其反馈给兴趣区域选择子网；置信度指的是将兴趣区域分类为其对应的真实标签的概率，置信度越高证明其对于整个手腕骨X光片进行分类具有越大帮助作用；兴趣区域选择子网根据指导子网的反馈，在网络训练过程中不断优化，使得最后选出的兴趣区域满足公式1： 即对于ROI选择子网中被选出的ROI，如果其信息量更大，其置信度也更高；评估子网进行骨龄评估；对于输入的手腕骨X光片，特征提取器提取出整张图片的特征，兴趣区域选择子网选出K个具有最大信息量的兴趣区域，通过特征提取器提取出图像特征；在骨龄评估子网中，将这K+1个特征连接起来，形成新的图像特征；经过两层全连接层，得到最终的骨龄评估结果；步骤3：获得骨龄评估结果；在进行骨龄评估时，将0～18岁按月进行划分，每个月为一个分类，共228个分类；待评估的左手手腕骨X光片输入到骨龄评估网络后，会输出其对应的骨龄值，范围在0～228。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。