相关实验视频
Updated: Jul 21, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
使用深度神经网络从关节表面和神经来评估骨年龄
Yamei Deng1, Yonglu Chen1, Qian He1
1Department of Radiology, Guangdong Provincial Key Laboratory of Major Obstetric Diseases, Guangdong Provincial Clinical Research Center for Obstetrics and Gynecology, The Third Affiliated Hospital of Guangzhou Medical University, Guangzhou 510150, China.
Mathematical biosciences and engineering : MBE
|July 28, 2023
概括
这项研究引入了一种深度学习方法,用于使用特定的手部X射线图区域进行骨年龄评估. 与传统方法和放射学家相比,新方法提高了准确性和速度.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 儿科内分泌学 儿科内分泌学
背景情况:
- 骨龄评估对于诊断遗传和内分泌疾病至关重要.
- 传统方法依赖于放射科医生对手部放射图的主观解释,导致错误和延误.
- 现有的人工智能方法缺乏专注于特定的解剖区域,以改善骨年龄的预测.
研究的目的:
- 开发一种深度学习模型,以使用关节表面和部区域精确预测骨年龄.
- 在临床环境中提高骨龄诊断的准确性和效率.
- 解决基于人工智能的传统和一般骨年龄评估技术的局限性.
主要方法:
- 来自RSNA儿科骨年龄挑战的已建立的关节表面和形数据集.
- 从手部X射线图中手工分割特定特征区域 (关节表面,显相).
- 使用了五个深度卷积神经网络 (ResNet50,SENet,DenseNet-121,EfficientNet-b4,CSPNet) 进行预测.
主要成果:
- 在专业数据集中,表现最好的模型实现了7.34个月的平均绝对误差 (MAE).
- 与放射科医生相比,深度学习方法显示出更高的准确性和速度.
- 开发的模型为骨年龄诊断提供了更高效,更可靠的工具.
结论:
- 专注于关节表面和神经的深度卷积神经网络提供了准确的骨年龄预测.
- 这种人工智能驱动的方法在准确性和效率方面超过了传统的放射科医生评估.
- 该项目为儿科的遗传和内分泌疾病诊断提供了有价值的工具.
