基于中華05骨齡標(biāo)準(zhǔn)的橈骨骨齡等級計算機(jī)評定系統(tǒng)的設(shè)計

朱翔宇，歐陽斌，羅冬梅，劉 杰

?

基于中華05骨齡標(biāo)準(zhǔn)的橈骨骨齡等級計算機(jī)評定系統(tǒng)的設(shè)計

朱翔宇1，歐陽斌2，羅冬梅1，劉 杰2

以中華05骨齡標(biāo)準(zhǔn)為依據(jù)，基于骨齡圖像的DICOM格式，設(shè)計和實(shí)現(xiàn)了橈骨骨齡80級～84級的計算機(jī)評定軟件系統(tǒng)。系統(tǒng)自動對手腕部數(shù)字X光圖像進(jìn)行了預(yù)處理，采用區(qū)域生長法與最大類間方差法結(jié)合的方式實(shí)現(xiàn)了橈骨的有效分割，選取了灰度特征、紋理特征以及融合度作為骨齡特征參數(shù)，設(shè)計k近鄰分類器對骨齡特征數(shù)據(jù)進(jìn)行等級分類，并且結(jié)合ITK、VTK和MFC設(shè)計了一款橈骨等級評定軟件，實(shí)現(xiàn)了橈骨等級80至等級84的計算機(jī)評定。實(shí)驗結(jié)果說明，該系統(tǒng)的平均準(zhǔn)確率達(dá)到85.2%，具有可擴(kuò)展性和易用性的特點(diǎn)，豐富了計算機(jī)評定骨齡系統(tǒng)的應(yīng)用研究。

中華05；骨齡；計算機(jī)；圖像處理

1 前言

骨齡是評價生物年齡的理想指標(biāo)，廣泛應(yīng)用于醫(yī)學(xué)、體育和司法鑒定等領(lǐng)域。在醫(yī)學(xué)領(lǐng)域，骨齡主要用于內(nèi)分泌和生長發(fā)育性疾病的診治[6]以及脊柱矯正、下肢均衡等外科手術(shù)[20]。在體育領(lǐng)域，骨齡主要用于杜絕年齡造假現(xiàn)象，規(guī)范比賽秩序[3,13]；確定運(yùn)動員發(fā)育水平，制定科學(xué)的訓(xùn)練手段[18,19]；作為運(yùn)動員選材的指標(biāo)，選拔體育運(yùn)動人才[16]。在司法鑒定領(lǐng)域，骨齡主要用于鑒定犯罪嫌疑人或者死者的年齡，為判刑提供參考[9]。

評定骨齡必須依賴于一個科學(xué)客觀的評定方法，骨齡評定方法在一百多年的發(fā)展歷程中，大致經(jīng)歷了重點(diǎn)位置觀察法、計測法[35]、圖譜法[24,29]、計分法[26]和計算機(jī)評定法[22,34,38]等方法的演變，由人工評定到計算機(jī)輔助評分，并向計算機(jī)自動測量、處理和分析的方向發(fā)展。

傳統(tǒng)的骨齡評定方法主要是人工評判，其中重點(diǎn)位置觀察法和計測法是最早的骨齡評定方法，由于標(biāo)準(zhǔn)化困難，已經(jīng)被淘汰。目前常用的方法是圖譜法和計分法，需要專業(yè)人員經(jīng)過培訓(xùn)，熟練掌握骨的生長發(fā)育規(guī)律和評判規(guī)則后評定骨齡。傳統(tǒng)的骨齡評定方法具有兩大缺點(diǎn)，一是主觀性強(qiáng)，不同評判者對同一骨齡X片評定結(jié)果不一樣，同一評判者不同時間兩次評定同一張骨齡X線片的結(jié)果也不一樣；二是評定具有復(fù)雜性，整個評定過程比較繁瑣，指標(biāo)多，耗時長，需要經(jīng)過嚴(yán)格訓(xùn)練有專業(yè)知識背景的人使用，而且久不讀片容易生疏。

20世紀(jì)50年代起，數(shù)字技術(shù)不斷發(fā)展和應(yīng)用，有些研究者開始嘗試讓計算機(jī)具有類似人類視覺系統(tǒng)的功能來理解圖像，客觀地評定骨齡[37]。經(jīng)過半個世紀(jì)的不懈努力，國外研究者已經(jīng)在圖像分割、特征提取等骨齡識別的研究中取得一些有價值的成果[23,25,40]。進(jìn)入21世紀(jì)，國內(nèi)計算機(jī)評定骨齡的相關(guān)研究不斷發(fā)展，但是，距離實(shí)現(xiàn)一個成熟而實(shí)用的骨齡計算機(jī)評定系統(tǒng)還有差距，總結(jié)如下[2,8,12,14-15]：1)樣本量小。采用小樣本難以涵蓋骨骼變化的所有情況，而且小樣本會使計算機(jī)出現(xiàn)過學(xué)習(xí)現(xiàn)象。2)圖像質(zhì)量差。中國研究者使用的骨齡圖像存在干擾信息多，分辨率低等問題，難以達(dá)到生物醫(yī)學(xué)工程要求。國際上使用DICOM圖像格式，DICOM是醫(yī)學(xué)圖像文件格式，像素可達(dá)到4 000以上，分辨率高，包含的信息量大，更有利于計算機(jī)自動識別。3)骨齡知識欠缺。研究者不是專業(yè)的骨齡判讀人員，難以準(zhǔn)確理解骨齡等級的意義。4)依據(jù)舊版骨齡標(biāo)準(zhǔn)。中國現(xiàn)行的骨齡國家標(biāo)準(zhǔn)是中華05，而目前國內(nèi)骨齡計算機(jī)評定系統(tǒng)的研究依據(jù)中國20世紀(jì)80年代標(biāo)準(zhǔn)CHN或英國標(biāo)準(zhǔn)TW3，限制了骨齡評定的準(zhǔn)確性。

基于中國骨齡計算機(jī)評定系統(tǒng)研究所面臨的挑戰(zhàn)，本文依據(jù)CHN05骨齡標(biāo)準(zhǔn)，總結(jié)以往經(jīng)驗，使用數(shù)字骨齡X線片的DICOM圖像，選擇權(quán)重大，背景豐富，等級變化復(fù)雜的橈骨作為研究對象，探討橈骨的計算機(jī)特征，研制橈骨骨齡80～84級骨發(fā)育特征計算機(jī)提取與識別系統(tǒng)，為將來計算機(jī)評定骨齡系統(tǒng)的研制奠定基礎(chǔ)。

2 研究對象與方法

2.1 研究對象

以250名骨齡15～19歲青少年的左手腕后前位數(shù)字X線片的DICOM圖像為研究對象，所有圖像均無性別、年齡標(biāo)識。

2.2 手腕部數(shù)字X線片的圖像采集、讀取與分組

采用北京體育大學(xué)和航天部中興醫(yī)療科技有限公司共同研發(fā)的低輻射SHJ-1手腕骨數(shù)字X光機(jī)，投射劑量50～60 kv、25 mA，曝光時間0.2～0.5 s，自動對焦拍攝包括手部掌骨、指骨、腕骨以及橈尺骨遠(yuǎn)側(cè)骨干3～4 cm的正位12寸數(shù)碼X線片，被試者左手掌面向下，四指自然張開，拇指和食指約成30°，中指與前臂成一直線，平放并貼緊拍攝平面，采集投射點(diǎn)正確，沒有缺失骨骺，手部位置擺放正確的DICOM格式圖像。

邀請兩名由國家體育總局認(rèn)證的骨齡評判師分別單獨(dú)使用中華05計分法評定橈骨骨齡等級并記錄，如果等級不一致，重新評定。根據(jù)評定結(jié)果，將研究對象分成80、81、82、83、84五個等級，每個等級50張圖像。

2.3 手腕部數(shù)字X線片的圖像預(yù)處理

由于原始的X線圖像與放射科醫(yī)生閱讀的X線圖像亮暗不一致，不符合醫(yī)生的閱片習(xí)慣，且手腕骨的生長發(fā)育細(xì)節(jié)顯示不夠清晰，因此需要對原始圖像進(jìn)行灰度調(diào)整，增強(qiáng)圖像的對比度，突出圖像中的目標(biāo)骨骼，為圖像分割工作做準(zhǔn)備。使用灰度變換函數(shù)實(shí)現(xiàn)圖像灰度調(diào)整，如式(1)所示。

g(x,y)=T[f(x,y)]

(1)

其中，f(x,y)是輸入圖像，g(x,y)是處理后的圖像，T是在點(diǎn)(x,y)鄰域上定義的一種算子。圖1(a)顯示了一幅原始圖像，經(jīng)過反轉(zhuǎn)變換后的圖像如圖1(b)所示。

圖1 手腕骨的反轉(zhuǎn)變換圖像

手腕骨X線圖像中除了橈骨之外，還包含指骨、掌骨、尺骨以及肌肉等組織，為了減少分割算法的運(yùn)算量，提高分割效率，需要在橈骨分割之前，將橈骨的大致圖像裁剪出來。采用鼠標(biāo)左鍵單擊的交互方式定位橈骨骨骺的大致位置，此時在圖像中會出現(xiàn)一個以該點(diǎn)為中心，大小為260×160像素的外接矩形模板，模板內(nèi)的灰度值設(shè)置為0，模板外的灰度值設(shè)置為1，最后將X光圖像和外接矩形模板，根據(jù)式(2)進(jìn)行掩模運(yùn)算即可得到橈骨的待分割圖像，如圖2所示。

(2)

其中，D(x,y)是掩模運(yùn)算后的圖像數(shù)據(jù)，I(x,y)是原圖像數(shù)據(jù)，M(x,y)是外接矩形模板數(shù)據(jù)。

2.4 手腕部數(shù)字X線片的橈骨分割

采用區(qū)域生長與最大類間方差法結(jié)合的方式來實(shí)現(xiàn)橈骨初步分割，運(yùn)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算填充邊緣的不平滑區(qū)域，從而得到最終的橈骨分割圖像。算法流程如圖3所示。

圖4(a)顯示了一幅待分割圖像，通過最大類間方差法和區(qū)域生長得到初始的橈骨模板，如圖4(b)，由于橈骨的骨密度存在差異，初始的橈骨模板邊緣有一些細(xì)小空洞，為此需要進(jìn)行形態(tài)學(xué)閉運(yùn)算填充這些空洞，得到最終的橈骨模板，如圖4(c)；將原圖像與橈骨模板進(jìn)行掩模運(yùn)算就可得到橈骨分割圖像，如圖4(d)。

圖2 圖像的裁剪

圖3 橈骨分割算法流程示意圖

圖4 基于區(qū)域生長和最大類間方差法的橈骨分割圖

2.5 手腕部數(shù)字X線片的橈骨特征提取

特征提取是將人類自然語言所描述的橈骨8級特征進(jìn)行數(shù)學(xué)描述的過程。本文選取的骨發(fā)育等級特征值為灰度特征、紋理特征以及融合率。

2.5.1 灰度特征

手腕部數(shù)字X線片圖像中不同融合程度的橈骨生長板區(qū)域的灰度特征不同，當(dāng)圖像中的骨骺與骨干未融合時，橈骨生長板區(qū)域存在重影，表現(xiàn)為高亮區(qū)域，如圖5(a)所示；融合過程中，該高亮區(qū)域逐漸減小直到消失或者變成一條致密線，即骺線，如圖5(b)所示。針對圖像中不同融合程度的橈骨生長板區(qū)域，其在灰度特征上存在差異，因此，選擇灰度均值、灰度方差和灰度標(biāo)準(zhǔn)差作為橈骨特征提取指標(biāo)。計算公式為：

圖5 同融合程度的橈骨生長板區(qū)域

1.灰度均值，計算公式如式(3)所示。

(3)

灰度均值是橈骨生長板區(qū)域中所有灰度的灰度平均值，反映了該區(qū)域內(nèi)圖像的亮暗程度。其中，(x,y)屬于橈骨生長板區(qū)域R內(nèi)的像素點(diǎn)集，Value(x,y)表示該像素點(diǎn)的灰度值，N表示橈骨生長板區(qū)域的像素點(diǎn)總個數(shù)。

2.灰度方差，計算公式如式(4)所示。

(4)

灰度方差是橈骨生長板區(qū)域中的灰度值與灰度均值偏差的度量，反映了區(qū)域灰度變化的強(qiáng)烈程度。若區(qū)域灰度變化強(qiáng)烈，灰度方差大；反之，灰度方差小。

3.灰度標(biāo)準(zhǔn)差，計算公式如式(5)所示。

(5)

灰度標(biāo)準(zhǔn)差是灰度方差的算術(shù)平方根，同樣反映了區(qū)域灰度變化的強(qiáng)烈程度。

2.5.2 紋理特征

采用灰度共生矩陣法分析圖像紋理特征，從共生矩陣中提取出可以表征圖像內(nèi)容的統(tǒng)計量，包括能量、慣量、逆差距和熵。

1.能量，計算公式如式(6)所示。

(6)

能量是圖像紋理灰度分布均勻的度量，反映了圖像灰度變化的均勻程度和紋理粗細(xì)程度。均勻區(qū)的能量值大，非均勻區(qū)的能量值小。

2.慣量，計算公式如式(7)所示。

(7)

慣量又稱反差，由于是給P(d,θ)(i,j)加權(quán)，強(qiáng)調(diào)大灰度變化的作用，因此該特征對非均勻區(qū)的局部對比度敏感。非均勻區(qū)的慣量值大，均勻區(qū)的慣量值小。

3.逆差距，計算公式如式(8)所示。

(8)

逆差距又稱局部平穩(wěn)，是圖像紋理局部變化的度量，能表征紋理的規(guī)則程度。若紋理規(guī)則，逆差距值大；反之，逆差距值小。

4.熵，計算公式如式(9)所示。

(9)

熵是圖像內(nèi)容隨機(jī)性的度量，反映了圖像中紋理的復(fù)雜程度或非均勻程度。紋理越復(fù)雜，F(xiàn)4越大；反之亦然。

2.5.3 融合率

通過骨骺與骨干融合的解剖學(xué)特點(diǎn)可知，骺軟骨板是否骨化是衡量骨骺與骨干融合的主要因素。骺軟骨板骨化，則骨骺與骨干融合；反之，則未融合。在X光圖像中，骺軟骨板的影像表現(xiàn)為一條黑色暗帶，灰度值相對較小，如圖6(a)所示。逐列掃描橈骨生長板圖像的灰度值作列灰度變化曲線發(fā)現(xiàn)：若掃描當(dāng)前列中包含黑色暗帶，則該列灰度變化曲線中會出現(xiàn)一個明顯的灰度波谷，如圖6(b)所示；反之，則該列灰度變化曲線中的灰度變化比較平緩，如圖6(c)所示。

圖6 橈骨生長板的灰度變化曲線圖

根據(jù)橈骨生長板圖像灰度變化的特點(diǎn)，本文將融合率作為新的骨齡特征，以進(jìn)一步描述骨骺與骨干的融合程度。其提取方法是統(tǒng)計圖像中連續(xù)出現(xiàn)灰度波谷的列數(shù)以及灰度總列數(shù)，代入計算公式(10)即可得到。其中，Col表示橈骨生長板圖像中連續(xù)出現(xiàn)灰度波谷的列數(shù)，ColSum表示橈骨生長板圖像的總列數(shù)。判斷灰度波谷的算法流程如圖7所示。

圖7 灰度波谷判定算法流程圖

(10)

根據(jù)中華05骨齡標(biāo)準(zhǔn)8級表述，Rec在一定程度上反映了骨骺與骨干的融合程度。Rec與橈骨骨齡等級的關(guān)系如表1所示。

表1 Rec與橈骨骨齡等級的關(guān)系對照表

2.6 手腕部數(shù)字X線片的橈骨等級評定

本系統(tǒng)選擇歐氏距離作為距離度量、多數(shù)表決作為分類決策規(guī)則，構(gòu)建了一個近鄰分類器應(yīng)用于橈骨等級評定，等級評定流程如圖8所示。

圖8 基于k近鄰的橈骨等級評定流程圖

2.7 統(tǒng)計分析

使用SPSS 19.0統(tǒng)計軟件對數(shù)據(jù)進(jìn)行分析處理，采用ROC曲線檢驗本系統(tǒng)的靈敏度、特異性和準(zhǔn)確率(曲線下面積)。ROC曲線下面積為0.5～0.7表示準(zhǔn)確率較低，0.7～0.9表示準(zhǔn)確率中等，0.9以上表示準(zhǔn)確率較高。

3 研究結(jié)果

3.1 系統(tǒng)的集成環(huán)境搭建與設(shè)計

本系統(tǒng)運(yùn)行于Windows 7操作平臺，結(jié)合ITK、VTK和MFC，使用C++語言，通過VS2010編程實(shí)現(xiàn)。其中，采用MFC完成系統(tǒng)界面的設(shè)計，采用ITK和VTK作為開發(fā)平臺，ITK用來讀取醫(yī)學(xué)圖像，并對讀取的圖像進(jìn)行處理，VTK用來顯示ITK處理后的醫(yī)學(xué)圖像。

軟件界面的設(shè)計采用一檔多視的模式，在單個文檔窗口中包含與多個視圖類相對應(yīng)的視圖對象，以滿足用戶對不同視圖的需求。

界面分成主控制區(qū)、手腕骨X光圖像顯示區(qū)、橈骨分割圖像顯示區(qū)和擴(kuò)展區(qū)4個區(qū)域。實(shí)現(xiàn)顯示調(diào)節(jié)圖像、圖像分割、等級評定和系統(tǒng)擴(kuò)展等功能。

3.2 系統(tǒng)的功能概述

橈骨骨齡8級評價系統(tǒng)由圖像讀取模塊、圖像顯示模塊、圖像交互模塊、圖像分割模塊、等級評定模塊等多個功能模塊組成，其整體設(shè)計框圖如圖9所示，主要功能有：

1.讀入并顯示DICOM數(shù)據(jù)：從數(shù)據(jù)庫或者文件讀入被測者的骨齡圖像，并對讀入的圖片進(jìn)行渲染。

2.調(diào)整圖像大小及對比度：滑動鼠標(biāo)滾輪可以放大、縮小圖像；按住鼠標(biāo)左鍵，然后移動鼠標(biāo)可以調(diào)節(jié)圖像的窗位、窗寬；同時按下鼠標(biāo)左鍵和鍵可以平移圖像；按下鍵可以重置圖像的窗位、窗寬。在實(shí)驗中通過對手腕骨X光圖像的縮放、平移以及調(diào)節(jié)窗位窗寬等交互，可以幫助骨齡工作人員清晰地觀察到骨骼的發(fā)育細(xì)節(jié)，從而進(jìn)行橈骨等級的準(zhǔn)確評定

圖9 系統(tǒng)整體設(shè)計框圖

3.分割橈骨：采用鼠標(biāo)左鍵單擊的交互方式定位橈骨骨骺的大致位置，系統(tǒng)自動計算定位點(diǎn)的坐標(biāo)和像素值并分割橈骨骨骺部分。

4.提取特征：采用鼠標(biāo)左鍵單擊的交互方式,完成特征提取與計算，并顯示特征值。

5.分割位置編輯和特征值更新：用戶對系統(tǒng)自動分割的橈骨骨骺部分進(jìn)行檢查和確認(rèn)，如果不滿意，通過交互編輯方式，按住鼠標(biāo)左鍵建立一個包含橈骨骨骺的矩形框，系統(tǒng)重新分割，同時更新分割區(qū)域的特征值。

6.評定等級：采用鼠標(biāo)左鍵單擊的交互方式,計算橈骨骨齡等級。

7.測量結(jié)果輸出：系統(tǒng)將測量結(jié)果保存為XML文件或EXCEL文件。

3.3 執(zhí)行流程

采用計算機(jī)實(shí)現(xiàn)骨骼等級評定，存在兩個主要問題：一是，如何對待測圖像中的目標(biāo)骨骼進(jìn)行有效分割；二是，如何將骨骼各等級描述準(zhǔn)確地翻譯成計算機(jī)語言進(jìn)行特征提取。因此，目標(biāo)骨骼的等級計算機(jī)評定流程如圖10所示。

圖10 目標(biāo)骨骼的等級計算機(jī)評定流程圖

Figure 10. The Flow Diagram of Bone's Automatic Rating

系統(tǒng)首先從文件或者數(shù)據(jù)庫讀入一個被測者的骨齡圖像數(shù)據(jù)；用戶用鼠標(biāo)左鍵單擊的交互方式定位橈骨骨骺大致位置，單擊結(jié)合區(qū)分割按鈕，系統(tǒng)分割橈骨；用戶通過交互界面調(diào)整圖像大小和對比度，如果對系統(tǒng)分割的橈骨骨骺不滿意，可以建立矩形框，自行定位橈骨骨骺；用戶單擊特征計算按鈕，系統(tǒng)根據(jù)分割后得到的橈骨骨骺，完成特征提取，并顯示特征數(shù)據(jù)；用戶單擊骨齡評估按鈕，系統(tǒng)計算橈骨骨齡等級；測量項目的結(jié)果保存到數(shù)據(jù)庫。圖像的交互模塊是自動評價骨齡等級的有效補(bǔ)充，提高了有效分割目標(biāo)骨骼和特征提取的精確度。

4 結(jié)果分析

選取樣本以外手腕部數(shù)字X線片DICOM圖像，由兩名骨齡評判師使用中華05評定橈骨等級，從中選出80、81、82、83、84等級各40張，使用本系統(tǒng)再評定一次橈骨等級，將人工評判結(jié)果作為金標(biāo)準(zhǔn)，采用ROC曲線檢驗每個等級的靈敏度、特異性和準(zhǔn)確率，結(jié)果如表2和圖11所示。

表2 橈骨骨齡80～84級ROC曲線結(jié)果

目前世界上沒有得到廣泛認(rèn)可的骨齡計算機(jī)評價系統(tǒng)，但是關(guān)于骨齡計算機(jī)評價系統(tǒng)的研究各國均有報道，報道中所選擇的手腕骨評價部位不一，采用的數(shù)字圖像處理技術(shù)也不相同。近年來國外研究者提出各種的圖像處理技術(shù)得到的骨齡評定系統(tǒng)的準(zhǔn)確率范圍為63%～94%[21,27,28,30-33,36,39]，僅見一例報道的準(zhǔn)確率為99%[39]，但是未見有重復(fù)性的驗證報道。大部分國外研究者提出的方法需要人工標(biāo)記，且由于種族、生活環(huán)境等差異，并不適合我國兒童青少年的發(fā)育狀況。

我國的骨齡計算機(jī)評價系統(tǒng)起步較晚，仍處在研究階段，圖像分割的技術(shù)成果較為成熟，分割準(zhǔn)確率達(dá)到86.7%和93.3%[4,5,10,17],基于CHN骨齡標(biāo)準(zhǔn)的計算機(jī)評價系統(tǒng)準(zhǔn)確率分別報道為71.4%、84.5%和91.0%[1,11,7]。

本系統(tǒng)的平均準(zhǔn)確率達(dá)到85.2%，稍稍低于以往研究，主要原因是骨齡評價方法離不開骨齡標(biāo)準(zhǔn)，目前國內(nèi)外所報道的骨齡計算機(jī)評定方法依據(jù)不同的骨齡標(biāo)準(zhǔn)，導(dǎo)致計算機(jī)評定骨齡準(zhǔn)確率不同。國外依據(jù)的TW計分法骨齡標(biāo)準(zhǔn)和國內(nèi)依據(jù)的CHN骨齡標(biāo)準(zhǔn)的橈骨最多分10個等級，橈骨8級等級最多分開始融合、融合1/2和融合全，等級少，容易區(qū)分。我國現(xiàn)行的骨齡國家標(biāo)準(zhǔn)CHN05，在TW3基礎(chǔ)上將骨骺的等級細(xì)化，比TW3 原有的等級更多，橈骨變成14個等級，CHN05的這種骨骺等級細(xì)化特點(diǎn)在國外也是沒有的，因此增加了我國骨齡自動評價系統(tǒng)的研究難度。

本系統(tǒng)80級的準(zhǔn)確率最高，82和83級的準(zhǔn)確率最低。這是因為受到橈骨解剖學(xué)結(jié)構(gòu)的限制。根據(jù)中華05骨齡標(biāo)準(zhǔn)對80～84級的描述，即80級為開始融合，81級融合1/4，82級融合1/2，83級融合3/4，84級融合全，本系統(tǒng)所提取的特征是骨骺與骨干之間的生長板鈣化情況，骨骺與骨干剛開始融合時，生長板出現(xiàn)鈣化點(diǎn)，此時鈣化點(diǎn)呈白亮色，而其他沒有鈣化的部分為黑色，黑白分明，80級區(qū)分度明顯；隨著骨骺的生長，逐漸從四周包住骨干，此時骨骺與骨干在圖像上出現(xiàn)重疊，重疊的部分骨密度增加，在圖像上的顏色介于黑色和白色之間，隨著生長板變細(xì)變小，顏色逐漸變白，與白亮色接近，干擾了計算機(jī)的評定，82和83級準(zhǔn)確率降低。

圖11 橈骨骨齡80～84級ROC曲線圖

在研究方法上，本系統(tǒng)提出了一種基于現(xiàn)行骨齡國家標(biāo)準(zhǔn)中華05的橈骨等級評定方法，采用無年齡、性別、編號、光線等噪聲干擾的DICOM圖像，首先對手腕骨X光圖像進(jìn)行了預(yù)處理，包括圖像灰度變換、圖像裁剪操作，從而獲得了橈骨的大致圖像；然后根據(jù)橈骨圖像的特征，對圖像進(jìn)行分塊處理，采用區(qū)域生長法與最大類間方差法結(jié)合的方式實(shí)現(xiàn)了對手腕骨X光圖像中橈骨的有效分割；選取了灰度均值、灰度方差、灰度標(biāo)準(zhǔn)差、能量、慣量、逆差距、熵以及融合度作為骨齡特征參數(shù)；設(shè)計k近鄰分類器對骨齡特征數(shù)據(jù)進(jìn)行等級分類實(shí)驗，并且結(jié)合ITK、VTK和MFC設(shè)計了一款橈骨等級評定軟件，實(shí)現(xiàn)了橈骨等級80至等級84的計算機(jī)評定。

但是骨齡的計算機(jī)識別是一項復(fù)雜的研究課題，本系統(tǒng)仍然具有局限性，首先中華05骨齡標(biāo)準(zhǔn)中橈骨包含14個等級，本文僅針對橈骨中華05骨齡80～84級進(jìn)行評定，對于其余等級仍然有待研究。其次，計算機(jī)評定過程中需要用戶單擊鼠標(biāo)左鍵交互方式完成圖像分割、特征提取和骨齡評定，沒有達(dá)到完全自動化。最后，82和83級準(zhǔn)確率有待提高。

在今后研究中，骨齡專業(yè)人員可以先通過對橈骨的變化特征研究，尋找更多的橈骨發(fā)育特征，特征越多，越有利于計算機(jī)識別；在計算機(jī)技術(shù)方面，尋找計算機(jī)全自動識別和骨齡的圖像處理技術(shù)是關(guān)鍵。隨著計算機(jī)技術(shù)的迅猛發(fā)展和相關(guān)理論的不斷完善，骨齡計算機(jī)評定系統(tǒng)必然向處理算法更優(yōu)化，處理速度更快，圖像分割、處理和識別更智能的方向發(fā)展。

5 結(jié)論

橈骨骨齡等級評定系統(tǒng)依據(jù)中華05骨齡標(biāo)準(zhǔn)基于手腕部數(shù)字X線片DICOM圖像，實(shí)現(xiàn)了橈骨骨齡80～84級的計算機(jī)評定，準(zhǔn)確率達(dá)到了80%以上，豐富了骨齡評定系統(tǒng)的應(yīng)用研究。

[1]董娜,王瑤,聶磊,等.基于X光圖像的骨齡評估系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].計算技術(shù)與自動化,2010,29(1):67-71.

[2]付秀麗,寧剛,廖小麗.基于小波變換的手骨圖像邊緣提取辦法[J].北京石油化工學(xué)院學(xué)報,2009,17(1):33-36.

[3]黃陳力子.中國兒童青少年乒乓球分齡賽運(yùn)動員骨齡檢測狀況的研究[D].北京:北京體育大學(xué),2015:5-13.

[4]黃飛,尤啟房,楊晉吉.ASM的手骨提取方法研究[J].計算機(jī)工程與應(yīng)用,2016,52(3):164-168.

[5]胡永利,王巍,尹寶才.基于ASM模型的骨齡評價系統(tǒng)研究[J].中國圖像圖形學(xué)報,2003,8(1):33-40.

[6]金獻(xiàn)江,羅越,吳慧平.促性腺激素釋放激素類似物對特發(fā)性中樞性性早熟女童體質(zhì)指數(shù)及骨代謝標(biāo)志物水平的影響[J].中國全科醫(yī)學(xué),2016,19(9):1049-1051.

[7]李新華,趙娟,袁振宇,等.基于K-余弦曲率和WSVM的骨齡識別方法[J].計算機(jī)應(yīng)用與軟件,2015,32(8):158-160.

[8]李忠海,王凡.骨齡特征自動識別算法及系統(tǒng)設(shè)計[J].沈陽師范大學(xué)學(xué)報(自然科學(xué)版),2003,21(3):166-168.

[9]錢立王,國紅,李富,等.CHN骨齡在司法鑒定中的應(yīng)用價值[J].中國法醫(yī)學(xué)雜志,2008,23(2):122-123.

[10]宋日剛.骨齡X射線圖像的手骨興趣區(qū)域定位研究[J].計算機(jī)應(yīng)用與軟件,2014,31(7):226-228.

[11]王亞輝,王子慎,魏華,等.基于支持向量機(jī)實(shí)現(xiàn)骨骺發(fā)育分級的自動化評估[J].法醫(yī)學(xué)雜志,2014,30(6):422-424.

[12]王勇,劉勇,葉寧，等.基于自適應(yīng)RSF模型的水平集橈骨分割方法研究[J].湖北體育科技,2010,29(6):687-689.

[13]嚴(yán)永偉.2011年(紅雙喜·新星杯)全國少兒乒乓球比賽運(yùn)動員身份證查驗和骨齡檢測的調(diào)研[D].蘇州:蘇州大學(xué),2011:4-10.

[14]楊莉.針對左手掌X光片的骨齡自動評價系統(tǒng)研究[D].昆明:云南師范大學(xué),2011:5-8.

[15]楊莉,王運(yùn)瓊,胡蓉蓉等.骨齡自動評測系統(tǒng)中骨骼邊緣提取方法研究[J].計算機(jī)應(yīng)用與軟件,2009,26 (5):266-270.

[16]楊若愚,沈勛章,蔡廣.身高遺傳學(xué)研究與運(yùn)動員科學(xué)選材[J].體育科研,2013,34(6):69-70.

[17]尹光健.CASAS中的骨骼分割與定位研究[D].昆明:昆明理工大學(xué),2005:17-40.

[18]翟波宇,胡好,紀(jì)廣明,等.高原地區(qū)青少年骨齡特征及耐力性項目初級選材區(qū)間的研究[J].山東體育學(xué)院學(xué)報,2014,30(5):76-78.

[19]張紹巖,王姿歡,蔣競雄.骨齡評價方法的發(fā)展及應(yīng)用[J].中國婦幼衛(wèi)生雜志,2012,3(6):345-347.

[20]朱澤章.青少年特發(fā)性脊柱側(cè)凸病因?qū)W研究進(jìn)展[J].醫(yī)學(xué)研究生學(xué)報,2016,29(2):126-130.

[21]BOCCHI L,FERRARA F,VALLI G,etal.An artificial neural network architecture for skeletal age assessment[J].Proc Int Conf Image Process,2003,1(1):1077-1080.

[22]CHEN C,XIE W,FRANKE J,etal.Automatic X-ray landmark detection and shape segmentation via data-driven joint estimation of image displacements[J].Med Image Analysis,2014,18(3):487-499.

[23]GERTHCH A,ZHANG A,SAYRE J,etal.Bone age assessment of children using a digital hand atlas[J].Comput Med Imag Graph,2007,31(4):322-331.

[24]GREULICH W W,PYLE S I.Radiographic Atlas of Skeletal Development of Hand and Wrist,2nd Edition[M].Red Wood City:Stanford University Press,1959:23-25.

[25]HSIEH W C,JONG L T,TIU M C.Bone age estimation based on phalanx information with fuzzy constrain of carpals[J].Med Biol Eng Comput,2007,45(3):283-295.

[26]JEONG R K,YOUNG S L,JEESUK Y.Assessment of bone age in prepubertal healthy Korean children:comparison among the Korean standard bone age chart,Greulich-Pyle method,and Tanner-Whitehouse method[J].Korean J Radio Official J Korean Radio Soc,2015,16(1):201-205.

[27]JINWOO S,JOESPHINE K,MICHEAL D,etal.Expert system for automated bone age determination[J].Exp Systems Appl,2016,50(15):75-88.

[28]MICHAEL D,NELSON A.HANDX:A model-based system for automatic segmentation of bones from digital hand radiographs[J].IEEE Transact Med Imag,1989,8(1):64-69.

[29]PAXTON M L,LAMONT A C,STILLWELL A P.The reliability of the Greulich-Pyle method in bone age determination among Australian children[J].J Med Imag Radiat Oncol,2013,57(1):21-24.

[30]PIETKA E,GERTYCH A,POSPIECH S,etal.Computerassisted bone age assessment:Image preprocessing and epiphyseal/meta-physeal ROI extraction [J].IEEE Trans Med Imag,2001,20(8):715-729.

[31]PIETKA E,MCNITTGRAY M F,KUO M L,etal.Computer-assisted phalangeal analysis in skeletal age assessment[J].IEEE Transact Med Imag,1991,10(4):616-620.

[32]PIETKA E,MCNITTGRAY M F,KUO M L,etal.Feature extraction in carpal-bone analysis[J].IEEE Transact Med Imag,1993,12(1):44-49.

[33]RICK R V R,MAARTEN H L,THODBERG H H.Automatic determination of Greulich and Pyle bone age in healthy Dutch children[J].Pediatr Radiol,2009,39(6):591-597.

[34]SEMA A,FATIH B.Methods used in computer-assisted bone age assessment of children[J].J Adv Computer Networks,2014,2(1):14-16.

[35]STANLEY M G,CHRISTABEL G R.Communalities in the ossification centers of the hand and wrist[J].Am J Phys Anthropol,1959,17(4):319-323.[36]STEFANO D L,TATIANA M,VERA M,etal.A new formula for assessing skeletal age in growing infants and children by measuring carpals and epiphyses of radio and ulna[J].J Forensic Legal Med,2016,39(1):109-116.

[37]TANNER J M,WHITEHOUSE R H.Assessment of Skeletal Maturity and Prediction of Adult Height(TW2) Method[M].London:Academic Press,1975:14-16.

[38]THANGM F,MAHENDIRAN T V,THANUSHKODI K.Skeletal bone age assessment research directions[J].J Engineer Sci Techn Rev,2012,5(1):90-96.

[39]THODBERG H H,KREIBORG S,JUUL A,etal.The bonexpert method for automated determination of skeletal maturity[J].IEEE Transactions Med Image,2009,28(1):52-66.

[40]ZHANG A,GERTHCH A,LIU J B.Automatic bone age assessment for young children from newborn to 7-year-old using carpal bones[J].Comput Med Imag Graph,2007,31(5):299-310.

Design of Computerized Assessment System for Radius Bone Age Grades according to CHN05

ZHU Xiang-yu1,OU Yang-bin2,LUO Dong-mei1,LIU Jie2

Based on the CHN05 and the bone age images in DICOM format,this paper designs and implements computerized assessment system for radius bone age grades.Firstly,the system automatically preprocess the digital X-ray image of the hand and wrist,secondly,the system propose a radius segmentation algorithm based on region growth method integrated with OTSU method,thirdly the system select partial representative gray feature and texture feature and propose fusion rate as a new feature at first,which is used the parameter of bone age feature,and then a classification experiment for radius grade was implemented with K Nearest Neighbor classifier,a radius rating system platform is established based on ITK、VTK and MFC and implements to rate radius from 80grade to 84grade.The results show that the average accuracy of the system is85.2%,the system is characterized by the scalability,usability and automatic measurement,this paper enrich the computer application research of bone age evaluation system.

CHN05;boneage;computer;imageprocessing

1000-677X(2016)09-0059-07

10.16469/j.css.201609009

2016-05-24；

2016-08-26

北京體育大學(xué)校自主課題(2016BS012)。

朱翔宇(1988-)，女，內(nèi)蒙古人，在讀博士研究生，主要研究方向為兒童青少年生長發(fā)育與健康促進(jìn)、骨齡與運(yùn)動員科學(xué)選材，E-mail:116491992@qq.com；歐陽斌(1990-)，男，江西人，碩士，主要研究方向為計算機(jī)信息與技術(shù)；羅冬梅(1961-)，女，北京人，教授，博士，主要研究方向為兒童青少年生長發(fā)育與健康促進(jìn)，Email:dmluo02@sina.com；劉杰(1963-)，男，北京人，教授，主要研究方向為計算機(jī)信息與技術(shù)。

1.北京體育大學(xué) 運(yùn)動人體科學(xué)學(xué)院，北京100084；2.北京交通大學(xué) 計算機(jī)信息與技術(shù)實(shí)驗室，北京 100044 1.Beijing Sport University,Beijing 100084,China;2.Beijing Jiaotong University,Beijing 100044,China.

G804.4

A