优化参考图谱发育指征的CHN智能骨龄评估方法研究

来源：电子与信息学报杂志2023年第3期北京时间：

作者：毛科技, 武坤秀, 陆伟, 陈立建, 毛家发

单位：1.浙江工业大学计算机科学与技术学院 杭州 3100322.浙江广播电视大学萧山学院 杭州 311200

摘要：骨龄(BA)是评估儿童生长发育是否正常的重要指标之一。中国人手腕骨发育标准-CHN计分法是目前中国儿童生长发育中骨龄评估(BAA)最常用的方法之一。但是在CHN计分法中，某些参照骨图谱的发育指征跨度较大，导致专家依据个人经验主观判断它的发育分期而影响评估准确度。在利用深度学习对该类图谱的发育分期进行评估时，会导致它的评估结果产生随机性。该文基于专家评估过的2万余张儿童手腕部X线片，在CHN计分法的基础上，在相邻发育分期间隔跨度较大的参照骨标准图谱之间勾绘新的成熟度指征，产生细化图谱，并利用层次分析法为其分配对应的成熟度得分，提高骨龄评价的准确率。该文在AlexNet网络的基础上融合Harris特征和卷积注意力模块，对各参照骨的发育分期进行评估。在自制的年龄分布为5-11岁的数据集上，采用优化后的CHN法得到的骨龄在容忍度为0.5岁和1岁时的准确率分别达到了94.6%和99.13%。实验结果表明所提方法可以更加精细地分辨儿童手腕骨发育程度，大幅提高骨龄评估的准确率，辅助临床应用。

关键词：骨龄智能评估, CHN计分法, 卷积神经网络, 注意力机制, 层次分析法

基金资助：国家自然科学基金(62072410)，浙江省基础公益研究计划(LGG22F020014)