基于改进AlexNet的手腕骨图像成熟等级识别

作者：丁维龙; 李涛; 丁潇; 余鋆; 毛科技

来源：浙江工业大学学报, 2021, 49(06): 614-622.

• 深度学习
• 骨龄评估
• 注意力机制
• 等级识别

CHN法是目前适用于我国评估骨龄的方法之一,其评估骨龄最关键的步骤是对手腕骨图像的成熟等级评定。传统的方法是由医学专家人工阅片,不仅工作量大、耗时长,评定的准确性还受到人的主观因素干扰。为了提高骨骼等级识别的准确率,提出了一种基于改进AlexNet的手腕骨图像等级识别方法,将优化的空间变换网络加入到AlexNet网络结构中,对特征图进行旋转、平移和缩放等变换操作以获取更有辨识度的特征信息;采用Maxout激活函数作为网络中卷积层的激活函数,训练手腕骨图像成熟等级识别模型。实验结果表明:相比于原始AlexNet网络与其他几个常见的卷积神经网络,改进的AlexNet网络提高了网络模型对头状骨、钩骨、掌骨Ⅰ、远节指骨Ⅰ和中节指骨Ⅴ等成熟等级识别的准确率,分别达到了88.39%,85.35%,79.69%,79.41%和81.29%。该方法可以为基于深度学习的骨龄评估方法提供新的技术参考。

• 单位
  浙江工业大学