基于整张手腕部DR影像深度学习特征的人工智能骨龄评估方法

作者：李婷婷; 杨秀军^*; 王乾; 任旭华; 兰钧; 于广军; 李嫔; 李莉红; 文颖; 陈旭

来源：中国数字医学, 2019, 14(11): 29-33.

DOI：10.3969/j.issn.1673-7571.2019.11.008

• 人工智能
• 深度特征学习
• 骨龄
• 数字化放射摄影

目的:探讨基于整张手腕部X线数字摄影(DR)影像深度学习特征的人工智能骨龄评估(AI-BAA)方法。方法:收集本院11 858例0～18岁左手腕部骨龄DR图像数据,随机提取20%为验证集、80%为训练集,图像预处理后在resnet101基础上构建多模态信息融合的深度学习模型,优化算法以实现骨龄回归,并通过热力图实现数据模型可视化。另收集本院新近0～17岁1 217例骨龄影像数据作为测试集,检验模型效能。采用平均绝对误差(MAE)和散点图评估模型骨龄预测的准确性。结果:模型骨龄预测值和儿科放射医师诊断结果的散点图呈一致性分布,MAE验证集0～18岁整体为(0.469±0.396)岁、男性为(0.453±0.396)岁、女性为(0.480±0.395)岁,测试集0～17岁整体为(0.459±0.371)岁,男性为(0.432±0.334)岁,女性为(0.511±0.429)岁。结论:基于整张手腕部DR影像高阶特征的AI-BAA模型提供了可靠的自动化骨龄检测方法。

• 单位
  上海交通大学; 生物医学工程学院