换一批基于深度学习的儿童手骨X光图像骨龄评估方法
Bone Age Assessment Method on X-ray Images of Pediatric Hand Bone Based on Deep Learning
摘要目的 提出一种基于深度学习的端到端儿童手骨X光图像骨龄评估框架,以实现高精度全自动骨龄评估.方法 由手骨分割网络和骨龄回归网络组成模型,手骨分割网络采用Mask-RCNN分割出手骨区域,分割后的手骨区域直接输入回归网络进行骨龄评估.其中,回归网络以Xception为基础模型进行改进,在Xception输出后接入卷积块注意模块,以从通道和空间两个独立的维度细化特征映射,来获取更有效的特征;同时,将图像和性别信息作为网络的双输入,通过增加性别信息平衡不同性别的手骨发育差异.在RSNA儿童骨龄挑战数据集上评估模型.结果 预测骨龄的平均绝对误差为4.96个月,超过6个研究团队所用骨龄评估方法的精确度.结论 通过分割手骨区域、嵌入卷积块注意模块并关联性别信息,能提高骨龄评估的精确度,可应用于实际临床评估.
更多相关知识
- 浏览0
- 被引14
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
