换一批
换一批基于膝关节MRI T1 WI深度学习模型的构建和活体年龄的推断
DEEP LEARNING MODELING USING T1-WEIGHTED IMAGES IN MAGNETIC RESONANCE IMAGING OF THE KNEE JOINTS AND ITS USE IN AGE ESTIMATION OF LIVING BODIES
摘要目的 探讨基于膝关节 MRI T1加权成像(T1 WI)深度学习模型的构建方法,并应用该模型推断青少年的年龄.方法 收集 2015 年 1 月—2021 年 12 月青岛大学附属医院 1 212 例(内部数据集)及青岛市市立医院341 例(外部数据集)10～18 岁男性膝关节 MRI T1WI图像,经过对股骨远端和胫骨近端骨骺骺板进行标记和图像分割后,采用随机数字表法将内部数据集各年龄组按照 8∶2 分为训练组(971 例)和验证组(241 例)用于模型的建立,外部数据集(测试组)用于模型的评价.通过准确率、精准率、召回率、灵敏度、特异度等指标来测试和验证模型的性能.结果 验证组的准确率为 85.713%,精准率为 84.732%,召回率为 85.713%,特异度为 97.729%,灵敏度为 85.713%;而测试组的准确率为 82.578%,精准率为 83.145%,召回率为 82.578%,特异度为 97.442%,灵敏度为82.578%,验证集和测试组的各项指标比较差异均无显著性(P＞0.05).结论 本研究成功建立了基于膝关节MRI T1 WI的深度学习模型,可应用于 10～18 岁青少年年龄的推断.
更多相关知识
关键词
膝关节磁共振成像法医学深度学习骨骼年龄测定青少年Knee jointMagnetic resonance imagingForensic medicineDeep learningAge determination by skeletonAdolescent
栏目名称
DOI
10.13362/j.jpmed.202305007
发布时间
2023-08-08
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
