运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较

• 作者: 万雷 刘太昂 彭丽琴 李卓 汪茂文 王亚辉 王鹏 赵虎
• 来源期刊: 法医学杂志
• 学科: 政治法律
• 关键词: 法医人类学 年龄测定,骨骼 骨盆 图像识别 深度学习 卷积神经网络 汉族 青少年
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 虚拟法医人类学专题
• 页码范围: 622-630
• 页数: 9页
• 分类号: DF795.6
• 语种: 中文
• DOI: 10.12116/j.issn.1004-5619.2020.05.004

摘要

目的 比较VGG19、Inception-V3、Inception-ResNet-V23种深度学习(deep learning,DL)模型基于骨盆X线片图像进行骨龄自动评估的性能.方法 采集我国5省市11.0～<21.0周岁汉族青少年骨盆X线片图像962例(男性481例,女性481例),将上述图像进行预处理作为研究对象.采用随机抽样的方法抽取80％作为训练集、验证集,用于模型拟合和超参数的调整.20％作为测试集,用于评估模型泛化的能力.通过比较模型估计值与生活年龄的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及绘制Bland-Altman散点图来评估3种模型的性能.结果 VGG19模型预测年龄与生活年龄的平均RMSE、MAE分别为1.29、1.02岁,Inception-V3模型预测年龄与生活年龄的平均RMSE、MAE分别为1.17、0.82岁,Inception-ResNet-V2模型预测年龄与生活年龄的平均RMSE、MAE分别为1.11、0.84岁.Bland-Altman散点图显示Inception-ResNet-V2模型的差值的均值最小.结论 在对青少年骨盆的自动骨龄评估中,Inception-ResNet-V2模型性能最优,Inception-V3模型与VGG19模型性能相当.