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！

申请/专利权人：杭州深睿博联科技有限公司;北京深睿博联科技有限责任公司

摘要：本申请所提供的一种基于图卷积神经网络的骨龄评测方法、系统、终端及存储介质，所述方法包括：获取手腕骨影像的N个目标骨骺；采用特征提取网络模型，提取手腕骨影像的N个目标骨骺及其附近区域的初始特征X；采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征将所述融合特征输入预测分布网络模型，预测得到N个目标骨骺的发育等级分布，并相应计算发育等级期望和方差、发育分数期望、骨成熟度总分；利用预测的发育等级和计算的骨成熟度总分，根据骨龄标准计算得到最终骨龄预测值。本申请通过图卷积网络实现上下文特征融合促进不同局部骨区域间信息交流，并通过骨成熟度总分损失函数避免累计骨龄误差，实现了骨龄评测的精确性和鲁棒性。

主权项：1.一种基于图卷积神经网络的骨龄评测方法，其特征在于，包括：获取手腕骨影像的N个目标骨骺，其中，N是等于或大于2的整数；采用特征提取网络模型，提取手腕骨影像的N个目标骨骺及其附近区域的初始特征X；采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征将所述融合特征输入至预测分布网络模型，预测得到N个目标骨骺的发育等级分布，并相应计算发育等级期望和方差、发育分数期望、骨成熟度总分；利用预测的发育等级和计算的骨成熟度总分，根据骨龄标准计算得到最终骨龄预测值；其中：所述获取手腕骨影像的N个目标骨骺，包括：获取X线手腕骨正位片；采用基于关键点检测、目标检测或实例分割的定位网络模型，定位出X线手腕骨正位片中的N个目标骨骺位置；所述采用基于图卷积网络的上下文特征融合网络模型，将初始特征X和经过多层图卷积后的上下文特征相加，得到最终的融合特征包括：构建手腕骨N个目标骨骺的特征融合拓扑图；将特征融合拓扑图的图邻接矩阵进行归一化处理，构建图卷积网络模型；采用图卷积网络模型对初始特征进行图卷积，得到上下文特征；采用目标特征融合网络模型，以残差学习的方式将初始特征X和上下文特征相加，得到最终的融合特征

全文数据：

权利要求：

百度查询： 杭州深睿博联科技有限公司 北京深睿博联科技有限责任公司 一种基于图卷积神经网络的骨龄评测方法、系统、终端及存储介质