机器学习和深度学习使得中枢关节骨CT图像上的年龄估计成为可能
Lirong Qiu1, Anjie Liu1,2, Xinhua Dai3
1West China School of Basic Medical Sciences & Forensic Medicine, Sichuan University, Chengdu, 610041, People's Republic of China.
International journal of legal medicine
|November 8, 2023
概括
机器学习和深度学习模型使用中枢关节骨CT图像准确估计骨年龄. 支持矢量机器模型显示了骨年龄估计的最佳性能.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 中间关节骨突起是手成熟后骨年龄估计 (BAE) 的关键指标.
- 目前的BAE方法通常依赖于手动评估,在骨成熟后可能效果较差.
研究的目的:
- 开发和评估用于BAE的机器学习 (ML) 和深度学习 (DL) 模型,使用中枢关节骨CT图像.
- 为了比较线性,ML和DL模型在正常和变异关节骨上的性能.
主要方法:
- 追溯收集了1049名患者的CT扫描,分为正常和变体训练/测试集.
- 为BAE开发线性和支向量机 (SVM) 模型.
- 介质关节骨CT切片的自动细分用于训练DL模型,包括CNN和CoAtNet.
- 使用平均绝对误差 (MAE) 和分类准确度进行评估.
主要成果:
- 在SVM模型中,BAE获得了1.73年的最低MAE.
- 深度学习模型,特别是SE Net 18,在正常关节骨上表现与SVM相似,在外部变体测试集上实现了2.08年的MAE.
- 所有模型在18,20,21和22岁的年龄分类中都表现出强的表现,在16岁的门上有局限性.
结论:
- 两种ML和DL模型都提供了基于中枢关节骨CT的骨年龄估计的理想性能.
- 这些由人工智能驱动的方法显示出准确的BAE的潜力,即使有不同的关节骨.
