基于深度学习的手骨X射线图像骨龄评估
来源：计算机工程杂志2021年第1期北京时间：
作者：王嘉庆, 梅礼晔, 张俊华
单位：云南大学 信息学院, 昆明 650500
摘要：骨龄评估是研究儿童内分泌、遗传因子和生长障碍的常用临床手段，传统骨龄评估方法耗时较长，易受评估者主观因素影响产生误差，而现有自动提取临床特征的骨龄评估方法精度低且泛化能力差。提出一种基于深度学习的端到端手骨X射线图像自动骨龄评估方法。去除Inception ResNet V2网络的Softmax层优化结构，在Inception模块中增加非对称卷积核提高特征图分类精度，引入残差连接结构避免梯度消失或爆炸问题，同时采用均方误差损失函数对骨龄评估回归性能进行评价，并使用分层K折交叉验证法保证数据集样本分类均衡。实验结果表明，与采用BoNet网络的骨龄评估方法相比，该方法评估的骨龄与真实骨龄平均绝对误差减少0.423 0岁，骨龄预测精度更高。
关键词：骨龄评估,深度学习,X射线图像,分层<i>K</i>折交叉验证法,Inception ResNet V2网络
基金资助：国家自然科学基金（61841112，61361010）。
