利用模式识别技术构建青少年躯体七大关节骨龄评估计算机系统模型的研究

国内外普遍认为，按骨骼年龄判定个体发育的成熟程度是一种行之有效的方法，它是评价个体生长发育最为可靠的手段。但目前用于骨龄推断的各种方法仍是基于人工操作实现的，因此，骨龄鉴定结论会产生评估误差。本项目旨在构建一套法医学骨龄评估系统，以实现骨龄鉴定的计算机化过程。本研究拟运用"模式识别技术"对已收集齐的我国东部、中部以及南部地区1897名男、女性青少年胸锁关节、肩、肘、腕、髋、膝、踝关节13279张X线片，实现从图像预处理、骨骼特征的提取、图像分割以及图像分类等操作的计算机化过程，再根据《青少年骨发育X线分级方法》（已具备的研究成果）得出每一个骨骺的具体发育等级，分别代入经MATLAB分析软件自动化处理的骨龄标准图谱以及数学模型（已具备的研究成果）中求出个体的骨骼年龄，然后再与其真实年龄相比较，进一步证实骨龄自动评价系统的准确性及优越性。

以往的骨骼年龄评估主要是采取人工读片的方法进行，再分别采用百分位计数法、图谱法或计分法算出骨龄。由于不同读片者的水平及能力不尽相同，人工读片的准确性通常受读片误差影响，致使读片一致性和可靠性近年来备受质疑，直接影响骨龄鉴定意见的准确性。因此，寻求新的骨龄评估方法成为本课题重点解决的科学问题。本研究样本源自我国东部、中部以及南部地区1897名11.0~20.0周岁男、女性青少年躯体七大关节（胸锁关节、肩、肘、腕、髋、膝及踝关节）13279张正侧位X线片。运用支持向量机(Support Vector Machine, SVM)基于图像黑、白、灰不同亮度的图像识别特点，对骨骺图像进行分类、识别。首先，对140例（男、女性各70例）11.0~20.0周岁青少年尺、桡骨远端骨骺运用SVM进行图像识别，分别选取尺、桡骨远端骨骺的五个发育分级作为研究指标，其中尺、桡骨远端骨骺的每个分级均包含28例样本，构建尺、桡骨远端骨骺五个发育分级的SVM分类模型，分别采用留一法（Leave One Out Cross Validation，LOOCV）进行模型的内部交叉验证以及35例独立校验样本SVM模型的外部验证，分别计算其准确率(PA)。研究结果表明，桡骨远端骨骺分级SVM建模、留一法以及独立校验样本验证的PA分别为100%、78.6%和82.8%；尺骨远端骨骺SVM建模、留一法和独立检验的PA分别为100%，80.0%和88.6%。由此可见，运用SVM构建尺、桡骨远端骨骺发育分级的自动化模型具有一定的可行性。其次，基于上述研究结果，我们运用SVM对上述躯体七大关节中其余22个研究指标的不同发育分级实现从图像预处理、骨骼特征的提取、图像分割以及图像分类等操作的计算机化过程，从而实现躯体七大关节骨骺发育分级的自动化评估，再利用SVM构建上述躯体七大关节22个骨骺发育分级的SVM分类模型，用LOOCV以及独立校验样本进行验证，分别计算出模型的PA。最后，将以往研究成果“骨龄鉴定数学模型”与“骨龄标准图谱”的内容软件化，研发出一套法医学骨龄推断计算机自动评估软件。经实践检验，运用该软件评估骨骼年龄，总耗时约3-4分钟即可完成一例法医学骨龄案件的鉴定，大大提高以往人工评估骨龄的工作效率。