一个基于人工智能的骨质年龄评估模型,用于汉族和藏族儿童

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 儿科内分泌学 儿科内分泌学

背景情况:

• 手动骨年龄评估 (BAA) 是耗时,昂贵和可变的.
• 这些挑战在像西藏高原这样的资源有限的环境中得到了放大.
• 人工智能 (AI) 为自动化BAA提供了一个潜在的解决方案.

研究的目的:

• 为汉族和藏族儿童开发和评估基于人工智能的BAA模型.
• 将开发的AI模型 (EVG-BANet) 与最先进的模型 (BoNet) 的性能进行比较.
• 评估模型在不同数据集中的准确性和通用性.

主要方法:

• 使用三个数据集训练了EVG-BANet模型:RSNA,RHPE和一个自主建立的本地数据集.
• 在本地和外部测试组中包括汉族和藏族儿童.
• 使用平均绝对差异 (MAD) 和1年内准确度的评估模型,比较EVG-BANet与BoNet.

主要成果:

• 在RHPE,本地和外部测试集上,EVG-BANet在MAD中的BoNet表现优于BoNet.
• 在1年内,EVG-BANet在本地 (97.7%) 和外部 (89.5%) 测试集上实现了更高的准确性.
• 该模型在本地测试组中没有显示偏差,但在外部测试组中显示了与年龄相关的偏差.

结论:

• EVG-BANet准确地预测汉族和藏族儿童的骨年龄 (BA).
• 人工智能模型适用于医疗保健设施有限的地区,例如西藏高原.
• 可能需要进一步细化,以解决特定人群中与年龄相关的偏见.