10.19678/j.issn.1000-3428.0057169
基于深度学习的手骨X射线图像骨龄评估
骨龄评估是研究儿童内分泌、遗传因子和生长障碍的常用临床手段,传统骨龄评估方法耗时较长,易受评估者主观因素影响产生误差,而现有自动提取临床特征的骨龄评估方法精度低且泛化能力差.提出一种基于深度学习的端到端手骨X射线图像自动骨龄评估方法.去除Inception ResNet V2网络的Softmax层优化结构,在Inception模块中增加非对称卷积核提高特征图分类精度,引入残差连接结构避免梯度消失或爆炸问题,同时采用均方误差损失函数对骨龄评估回归性能进行评价,并使用分层K折交叉验证法保证数据集样本分类均衡.实验结果表明,与采用BoNet网络的骨龄评估方法相比,该方法评估的骨龄与真实骨龄平均绝对误差减少0.4230岁,骨龄预测精度更高.
骨龄评估、深度学习、X射线图像、分层K折交叉验证法、Inception ResNet V2网络
47
TP391(计算技术、计算机技术)
国家自然科学基金61841112,61361010
2021-01-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
291-297