基于多维度特征融合的深度学习骨龄评估模型

摘要：

目的 通过基于特征提取的深度卷积神经网络,结合关键区域特征和人口学信息,评估儿童骨龄.方法 自动识别左手 X 线图像数据,对图像进行预处理,使用基于深度神经网络的 X 线图像分析方法,实现左手关节骨龄 17 个关键区域特征的自动提取,再将骨龄影像特征与临床大数据(人口统计、性别)融合训练骨龄评估模型,测试模型的评估效能.结果 使用基于深度学习的特征区域提取方法比传统图像分析方法可以更好地提取特征信息,结合临床信息从另一维度补充了骨龄发育信息.基于多维度数据特征融合的骨龄评估模型检测得到的骨龄平均绝对误差为 0.455,优于传统方法和仅端到端的深度学习方法.结论 相较传统的机器学习特征提取方法,基于特征提取的深度卷积神经网络在骨龄回归模型上有更好的表现,结合人口和性别信息可进一步提升基于图像的骨龄预测准确率.

关键词：人工智能、深度学习、医学影像、大数据分析、骨骼年龄测定

所属期刊栏目：39

分类号：R339.3(人体生理学)

在线出版日期：2018-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：909-916