基于深度学习的沙特患者手部放射图像的自动骨年龄估计:一项回顾性研究

科学领域:

• 儿科放射学 儿科放射学
• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 准确的骨龄估计对于诊断儿科生长障碍和计划治疗至关重要.
• 传统方法依赖于放射科医生的主观解释,导致潜在的不准确性.
• 深度学习为客观和精确的骨年龄评估提供了一个潜在的解决方案.

研究的目的:

• 开发和评估一个深度学习模型,用于自动化从左手X射线图中预测骨年龄.
• 为了解决传统骨年龄确定方法固有的主观性和变异性.

主要方法:

• 一个完全连接的卷积神经网络 (CNN) 在473张患者手部放射图上设计和训练.
• 该模型利用了平均平方误差和Adam优化,并应用了数据增强.
• 使用平均绝对误差 (MAE),中位数绝对误差 (MedAE),根平均平方误差 (RMSE) 和平均绝对百分比误差 (MAPE) 来评估性能.

主要成果:

• 深度学习模型在测试数据集上实现了2.3年的平均绝对误差 (MAE).
• 其他指标包括2.1年的MedAE,3.0年的RMSE和29%的MAPE.
• 结果表明预测和参考骨年龄之间存在密切一致.

结论:

• 拟议的深度学习模型证明了从手部放射图片中估计骨年龄的可用性.
• 该模型可以作为放射科医生验证其评估的工具,考虑到其误差范围.
• 建议进一步改进和验证以提高模型性能.