技术特征：
1.一种籽骨等级识别方法，其特征在于，所述方法包括：获取手腕部的多个待校正医疗图像；所述待校正医疗图像包含目标籽骨的图像；将各所述待校正医疗图像分别输入至预先训练的手位识别模型，得到各所述待校正医疗图像对应的手位识别结果；根据各所述待校正医疗图像对应的手位识别结果，在各所述待校正医疗图像中确定正手位图像；根据所述正手位图像和预先训练的籽骨等级分类模型，得到所述目标籽骨的籽骨等级分类结果。2.根据权利要求1所述的方法，其特征在于，所述籽骨等级分类模型的训练过程包括：获取第一训练数据集和第一验证数据集；所述第一训练数据集包括第一样本图像和所述第一样本图像包含的籽骨的第一样本等级分类结果；所述第一验证数据集包括第二样本图像和所述第二样本图像包含的籽骨的第二样本等级分类结果；所述第一样本图像和第二样本图像均为手腕部的医疗图像；通过所述第一训练数据集对预设的目标神经网络进行训练，得到多个备选籽骨等级分类模型；通过所述第一验证数据集对各所述备选籽骨等级分类模型进行验证，得到各所述备选籽骨等级分类模型的准确率；根据各所述备选籽骨等级分类模型的准确率，在各所述备选籽骨等级分类模型中确定所述籽骨等级分类模型。3.根据权利要求2所述的方法，其特征在于，所述通过所述第一训练数据集对预设的目标神经网络进行训练，得到多个备选籽骨等级分类模型，包括：将所述第一训练数据集划分为预设份数的子集；按照预设轮询顺序，在所述第一训练数据集中选取第二验证数据集，并将其余子集作为第二训练数据集；分别将所述第二训练数据集和所述第二验证数据集输入至所述目标神经网络，得到所述第二训练数据集对应的第一籽骨等级分类预测结果、以及所述第二验证数据集对应的第二籽骨等级分类预测结果；根据所述第一籽骨等级分类预测结果和所述第二训练数据集对应的第一样本等级分类结果，确定并记录第一目标损失函数；根据所述第二籽骨等级分类预测结果和所述第二验证数据集对应的第一样本等级分类结果，确定并记录第二目标损失函数；根据所述第一目标损失函数，对所述目标神经网络的参数进行更新，返回执行所述按照预设轮询顺序，在所述第一训练数据集中确定第二验证数据集，并将其余子集作为第二训练数据集的步骤；在本次更新后的目标神经网络对应的第一目标损失函数小于本次更新前的目标神经网络对应的第一目标损失函数的情况下，保存本次更新后的目标神经网络；根据记录的第一目标损失函数和第二目标损失函数确定是否达到预设迭代停止条件，在达到所述预设迭代停止条件的情况下，将已存储的各目标神经网络作为备选籽骨等级分类模型。4.根据权利要求3所述的方法，其特征在于，所述根据记录的第一目标损失函数和第二
目标损失函数确定是否达到预设迭代停止条件，包括：判断本次更新后的目标神经网络对应的第一目标损失函数是否小于本次更新前的目标神经网络对应的第一目标损失函数、以及本次更新后的目标神经网络对应的第二目标损失函数是否大于或等于本次更新前的目标神经网络对应的第二目标损失函数；如果是，则确定本次更新后的目标神经网络不满足预设拟合条件；在更新后的目标神经网络不满足预设拟合条件的次数超过预设次数的情况下，将当前已存储的目标神经网络作为备选籽骨等级分类模型。5.根据权利要求3所述的方法，其特征在于，所述根据所述第一籽骨等级分类预测结果和所述第二训练数据集对应的第一样本等级分类结果，确定并记录第一目标损失函数，包括：根据所述第一籽骨等级分类预测结果和所述第二训练数据集对应的第一样本等级分类结果，确定软性损失函数；根据所述第一籽骨等级分类预测结果和所述第二训练数据集对应的第一样本等级分类结果，确定中心损失函数；对所述软性损失函数和所述中心损失函数进行加权求和，得到并记录第一目标损失函数。6.根据权利要求1所述的方法，其特征在于，所述获取手腕部的多个待校正医疗图像，包括：获取手腕部的医疗图像；将所述医疗图像调整为预设尺寸图像；将所述预设尺寸图像分别旋转多个预设角度，得到多个旋转后图像，并将所述预设尺寸图像和所述多个旋转后图像确定为待校正医疗图像。7.根据权利要求1所述的方法，其特征在于，所述根据将所述正手位图像和预先训练的籽骨等级分类模型，得到所述目标籽骨的籽骨等级分类结果，包括：将所述正手位图像输入至预先训练的骨骺定位模型，得到所述正手位图像中第一近节指骨的坐标信息；所述第一近节指骨为拇指的近节指骨；基于第一近节指骨与籽骨的位置关系、以及所述第一近节指骨的坐标信息，得到所述正手位图像中所述目标籽骨的坐标信息；根据所述目标籽骨的坐标信息，在所述正手位图像中确定目标籽骨图像；将所述目标籽骨图像输入至所述预先训练的籽骨等级分类模型，得到所述目标籽骨的籽骨等级分类结果。8.一种籽骨等级识别装置，其特征在于，所述装置包括：第一获取模块，用于获取手腕部的多个待校正医疗图像；所述待校正医疗图像包含目标籽骨的图像；手位识别模块，用于将各所述待校正医疗图像分别输入至预先训练的手位识别模型，得到各所述待校正医疗图像对应的手位识别结果；第一确定模块，用于根据各所述待校正医疗图像对应的手位识别结果，在各所述待校正医疗图像中确定正手位图像；籽骨等级分类模块，用于根据所述正手位图像和预先训练的籽骨等级分类模型，得到
所述目标籽骨的籽骨等级分类结果。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结
本申请涉及一种籽骨等级识别方法、装置、计算机设备和存储介质。所述方法包括：获取手腕部的多个待校正医疗图像；所述待校正医疗图像包含目标籽骨的图像；将各所述待校正医疗图像分别输入至预先训练的手位识别模型，得到各所述待校正医疗图像对应的手位识别结果；根据各所述待校正医疗图像对应的手位识别结果，在各所述待校正医疗图像中确定正手位图像；根据所述正手位图像和预先训练的籽骨等级分类模型，得到所述目标籽骨的籽骨等级分类结果。采用本方法能够不再主要依靠医生需要长时间积累的个人经验进行籽骨等级的判定，提高籽骨等级识别的效率。级识别的效率。级识别的效率。
技术研发人员：张淼 庞海 李文旭
受保护的技术使用者：石家庄喜高科技有限责任公司
技术研发日：2021.10.22
技术公布日：2022/1/21