1.一种基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，包括以下步骤：获取儿童手骨X光图像集；

构建骨龄预测网络，所述骨龄预测网络包括手骨区域筛选子网络和骨龄预测子网络，所述骨龄预测子网络包括完整手骨区域学习网络和关键手骨区域学习网络，所述关键手骨区域学习网络包括腕关节区域学习网络和/或指关节区域学习网络；

所述完整手骨区域学习网络包括M个可变卷积网络模块，所述腕关节区域学习网络包括N个可变卷积网络模块，所述指关节区域学习网络包括P个可变卷积网络模块；

每个所述可变卷积网络模块的网络层数有若干层，所述可变卷积网络模块包括多层感知注意力模块和聚合注意力模块，所述多层感知注意力模块、聚合注意力模块采用并行或串行连接，捕获手骨区域中的关键有效特征；

定义输入多层感知注意力模块的特征图为CFIN,维度为H×W×C，当CFIN输入所述多层感知注意力模块时，CFIN首先分别经最大池化和平池化生成两个尺度为1×1×C的特征图，其中，最大池化保留图像的局部典型特征，平均池化保留图像整体分布信息，然后这两个尺度为1×1×C的特征图分别通过多层感知器压缩特征尺寸，将多层感知器的两路输出相加并Sigmoid归一化，得到多层感知注意力权重AMPAM，所述多层感知注意力权重AMPAM与输入的CFIN相乘得到多层感知注意力模块的输出特征CFOUT，其中，Fs表示Sigmoid

归一化，Fmlp表示MLP操作，Fmax表示最大池化操作，Favg表示平均池化操作，表示特征通道逐元素相加，通道数量不变；

定义输入聚合注意力模块的特征图为SFIN,维度为H×W×C'，当SFIN输入所述聚合注意力模块时，SFIN首先分别经最大池化和平池化生成两个特征图，将这两个特征图进行特征拼接，得到尺度为H×W×2的位置权重，再经v×v卷积降维和Sigmoid归一化，得到聚合注意力权重AFAM，聚合注意力权重AFAM与输入SFIN相乘得到聚合注意力模块的输出SFOUT，SFOUT＝SFIN×AFAM＝SFIN×(Fs(Fv×v,conv(Fmax(SFIN)))⊙(Favg(SFIN)))，其中，Fs表示Sigmoid归一化，Fv×v,conv表示v×v卷积降维操作，Fmax表示最大池化操作，Favg表示平均池化操作，⊙表示通道拼接，通道数量改变；

将儿童手骨X光图像集于手骨区域筛选子网络中提取完整手骨区域、关键手骨区域，所述关键手骨区域包括腕关节区域和/或指关节区域，将提取到的完整手骨区域送入所述完整手骨区域学习网络提取特征和尺度变换，将不同的关键手骨区域经过区域权重配置模块送入不同的关键手骨区域学习网络，并由区域权重配置模块对各关键手骨区域学习网络配置相应的权重后提取特征和尺度变换，配置的相应权重包括腕关节区域权重信息不平衡调节因子IUAFw和指关节区域权重信息不平衡调节因子IUAFf；

所述腕关节区域权重信息不平衡调节因子IUAFw和指关节区域权重信息不平衡调节因子IUAFf的计算公式分别为：其中，γh、γw和

γf分别是整个手骨区域、腕关节区域、指关节区域的累积梯度，参数 是

四个用于截断信息不平衡调节因子的相关阈值，IUAFmax是信息不平衡调节因子的最大值；

所述骨龄预测子网络的损失函数为： 其中，N

为样本个数，为骨龄预测子网络预测骨龄结果，yi为对应标注真实值， 代表了第i个样本中整个手骨区域的损失贡献， 代表了第i个样本中腕关节区域的损失贡献， 代表了第i个样本中指关节区域的损失贡

献；IUAFw为腕关节区域权重信息不平衡调节因子、IUAFf为指关节区域权重信息不平衡调节因子；CUWFh、CUWFf、CUWFw分别为完整手骨区域、腕关节区域、指关节区域的类别不平衡加权因子；

将完整手骨区域学习网络和关键手骨区域学习网络提取到的特征与性别信息融合，输出骨龄评估结果。

2.根据权利要求1所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，所述多层感知注意力模块的卷积核尺寸k通过输入特征图的通道数量C进行自适应选择，两者的对应关系如下式所示：其中，<·>odd表示取最接近运算结果的奇数。

3.根据权利要求1所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，所述聚合注意力模块的卷积核尺寸w通过输入特征图的通道数量C’进行自适应选择，两者的对应关系如下式所示：其中，<·>odd表示取最接近运算结果的奇数。

4.根据权利要求1所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法，其特征在于，完整手骨区域的类别不平衡加权因子CUWFh＝Key_N，其中Key_N是指设置的关键手骨区域的数量；

腕关节区域的类别不平衡加权因子

指关节区域的类别不平衡加权因子

其中，Th、Tf、Tw分别为整个训练集中完整手骨区域、有效腕关节区域、有效指关节区域的数量，<·>代表对表达式取整，完整手骨区域的数量Th等于训练集中X光图像的数量，有效腕关节区域的数量Tf等于训练集中腕关节区域权重信息不平衡调节因子IUAFw>0的X光图像的数量，有效指关节区域的数量Tw等于训练集中指关节区域权重信息不平衡调节因子IUAFf>0的X光图像的数量。

5.一种儿童手骨X光图像骨龄评估系统，其特征在于，包括图像接收模块、处理模块和存储模块，所述图像接收模块接收用于训练或待评估的图像，并将接收到的图像发送至处理模块，所述处理模块与存储模块通信连接，所述存储模块用于存放至少一个可执行指令，所述可执行指令使所述处理模块根据其接收到的图像执行如权利要求1‑4任一项所述的基于关键区域特征双重加权融合的儿童手骨X光图像骨龄评估方法对应的操作。