论文部分内容阅读
目的
探讨基于手腕部影像传统关注区域深度学习特征的人工智能骨龄评估技术可行性及效果。
方法选取11 858例本院0~18岁骨龄检测影像数据,随机分成训练集(80%)和验证集(20%),应用深度学习等方法构建基于传统关注的17个特征区域定位模型及骨龄回归模型;另选取本院近期1 229例骨龄影像作为测试集检测其效能。采用平均精度均值(mAP)及平均绝对误差(MAE)分别评价模型定位及骨龄预测的准确性。
结果模型对17个特征区定位mAP为0.91,整体MAE验证集为0.461岁、测试集为0.431岁。测试集模型骨龄预测与医师读数相差1岁以内者占90.07%、准确率96.67%,差异较大者主要出现在相应年龄段训练集数据较少或拇收肌旁籽骨出现或骨骺融合年龄段中。
结论基于手腕部DR影像传统关注区域深度学习模型,初步实现了快速、自动、有效地人工智能骨龄预测,但其技术仍需进一步优化。