基于深度学习区域融合的骨龄评价研究

• 作者: 占梦军 张世杰 徐铸 李睿
• 来源期刊: 现代计算机
• 关键词: 深度学习 骨龄 X线片 关键区域融合
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 图形图像
• 页码范围: 54-59,68
• 页数: 7页
• 字数: 2766字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.09.013

摘要

骨龄判断在医学、司法鉴定、体育等领域得到广泛应用,人工评估费时且结果可能因医师水平不同出现差异.提出一种基于深度学习卷积神经网络和手骨数据关键区域融合、拓展的方法对手骨X线片骨龄自动评价,快速得到手骨X线片的准确骨龄.方法收集四川大学华西第二医院及RSNA2017骨龄比赛X线片数据,预处理后,设计深度学习骨龄评价神经网络进行训练,获取模型对骨龄的预测值与真实值误差在±1岁误差的准确率和平均绝对误差(MAE),结果显示四川大学华西第二医院数据误差±1岁的准确率:女性为94.25％,男性为94％;平均绝对误差:女性为0.5125岁,男性为0.5575岁.RSNA数据误差±1岁的准确率:女性为93％,男性为95％;平均绝对误差:女性为0.56岁,男性为0.55岁.通过广泛的对比,研究提出的方案不仅得到更高的骨龄评价准确率,同时研究提出的卷积神经网络结构简单,在网络训练和评价速度方面均具有明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李睿	四川大学计算机学院	67	350	9.0	16.0
2	占梦军	四川大学华西基础医学与法医学院	14	12	2.0	3.0
3	张世杰	四川大学视觉合成图形图像技术国防重点学科实验室	6	19	2.0	4.0
4	徐铸		1	0	0.0	0.0