骨龄作为青少年儿童生长发育的主要衡量指标,在医学诊断、体育选材、司法鉴定上具有重要的价值。目前临床上以人工判读骨龄为主,一方面经验丰富的医生稀缺,另一方面主观差异大并且花费时间长。因此,计算机辅助评估骨龄技术愈来愈得到儿科医生的重视。当前骨龄自动评估的难点主要有三个:一是因手骨发育进程中形态变化大而导致目标骨结构难以精准分割;二是难以将现行骨龄评价标准中所描述的图像特征进行有效的参数化,提取出有效的骨块形状、纹理特征;三是难以找到骨骼成熟度与骨块图像特征之间的联系,使得机器评估骨龄与人工判读相比优势并不明显。本文从解决上述难点出发,研究了骨龄自动评估中的若干关键技术,主要内容如下:(1)基于AHSM模型的RUS骨块精准分割方法。针对骨块分割难点提出了一种自适应手骨分割模型(Adaptive Hand-bone Segmentation Model,AHSM),能够根据不同时期青少年手骨发育特点,建立多阶段形状模型和多层次投影模型,既保持了分布模型强大的局部约束能力,又提高了骨块识别率,实现了目标骨块的自适应精准分割。(2)RUS骨块形状和纹理特征提取方法。采用统计形状模型方法和德劳内-三角网格生成法成功将RUS骨块形状、纹理参数化,并且对提取到的骨块关键特征进行骨龄区分度的比较,筛选出具有良好的骨龄区分度的图像特征。(3)融合形状-纹理双重特征的骨龄评估方法。针对骨块形状-纹理融合特征分别采取多元线性回归和支持向量回归两种算法建立骨龄回归模型,不仅证明了所得特征的合理性,还在训练集和测试集上都表现出较高的骨龄评估精度,达到了临床上对于骨龄准确性和稳定性的要求。(4)骨龄自动评估原型系统开发。按照系统模块化的设计思路开发出一个功能较为完整的骨龄自动评估原型系统(Auto Bone AGE Standalone)。该系统集成了手骨自适应分割、形状-纹理特征提取、骨龄自动评估等关键技术,实现了1～18岁青少年手骨图像的骨龄自动检测,得到影像科专家和儿科医生的认可。