不同人工智能模型对基于手腕部DR影像的骨龄预测比较

摘要：

目的 探讨2种深度学习模型对基于手腕部DR影像骨龄预测价值,为骨龄评估提供合适的人工智能模型.方法 搜集本院11858例0～18岁骨龄检测的左手腕部DR影像资料,构建基于其影像传统关注局部区域(AIM1)或数据驱动整体区域(AIM2)深度学习特征的骨龄预测模型.应用2种模型分别对本院2018年2月1216例(男415例,女801例)8个月～17岁儿童骨龄左手腕部DR影像资料进行测试,比较其骨龄预测值及与医师读数平均绝对误差(MAE)的差异,并评估其相关性,P＜0.05为差异有统计学意义.结果 参照儿科放射科医师基于GP图谱的骨龄读数,准确率AIM1为90.87％,低于AIM2的94.73％ (P =0.001);MAE值AIM1为0.441±0.434,高于AIM2的0.437±0.328(P=0.929);其中,AIM2对女孩骨龄预测值更接近医师骨龄读数(P=0.78),AIM1对男孩骨龄预测值更接近医师骨龄读数(P =0.914);骨龄预测值2种模型之间及其与医师骨龄读数均具有显著相关性(P＜0.01).结论 基于整体手腕部DR影像数据驱动人工智能模型对骨龄预测准确性高于基于临床先验知识的人工智能模型.

关键词：骨龄、数字化X线摄影、儿童、人工智能、深度学习

所属期刊栏目：38

分类号：F830.92;Q96;TP391.41

资助基金：上海交通大学医工交叉重点项目YG2017ZD08

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1498-1501