基于深度学习区域融合的骨龄评价研究

作者：张世杰; 李睿; 占梦军; 徐铸

来源：现代计算机(专业版), 2020, (09): 54-68.

• 深度学习
• 骨龄
• X线片
• 关键区域融合

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。

• 单位
  四川川大智胜软件股份有限公司; 四川大学