基于整张手腕部DR影像深度学习特征的人工智能骨龄评估方法

摘要：

目的:探讨基于整张手腕部X线数字摄影(DR)影像深度学习特征的人工智能骨龄评估(AI-BAA)方法.方法:收集本院11858例0～18岁左手腕部骨龄DR图像数据,随机提取20％为验证集、80％为训练集,图像预处理后在resnet101基础上构建多模态信息融合的深度学习模型,优化算法以实现骨龄回归,并通过热力图实现数据模型可视化.另收集本院新近0～17岁1217例骨龄影像数据作为测试集,检验模型效能.采用平均绝对误差(MAE)和散点图评估模型骨龄预测的准确性.结果:模型骨龄预测值和儿科放射医师诊断结果的散点图呈一致性分布,MAE验证集0～18岁整体为(0.469±0.396)岁 、男性为(0.453±0.396)岁 、女性为(0.480±0.395)岁,测试集0～17岁整体为(0.459±0.371)岁,男性为(0.432±0.334)岁,女性为(0.511±0.429)岁.结论:基于整张手腕部DR影像高阶特征的AI-BAA模型提供了可靠的自动化骨龄检测方法.

关键词：人工智能、深度特征学习、骨龄、数字化放射摄影

所属期刊栏目：14

分类号：R319(医用一般科学)

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：2019-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33