轻量级深度学习系统用于中国儿童的自动骨年龄评估:提高临床效率和诊断准确度

科学领域:

• 人工智能在医学中的应用
• 医学成像分析 医学成像分析
• 儿科内分泌学 儿科内分泌学

背景情况:

• 骨龄评估 (BAA) 对于诊断生长障碍至关重要,但传统方法是主观的,耗时的.
• 现有的BAA技术因变化和依赖专家解释而受到影响.
• 需要客观,高效和准确的BAA方法.

研究的目的:

• 开发和验证一种新的轻量级两阶段深度学习框架,用于自动化BAA.
• 利用基于中国05 BAA标准的AI提高BAA的准确性和效率.
• 为了减少与传统的BAA方法相关的主观性和可变性.

主要方法:

• 一个两阶段的深度学习框架,使用YOLOv8进行位定位和EfficientNetB3进行分级.
• 该框架结合了Rctified Adam (RAdam) 优化器和复合损失函数,以提高分类准确度.
• 该模型经过训练,并根据中国05 BAA标准在手部放射图上进行了测试.

主要成果:

• YOLOv8在定位13个关键部 (在IoU=0.5时99.5%的mAP) 中实现了高精度.
• EfficientNetB3分类器的平均准确率为80.3% (培训) 和81.5% (测试).
• 该框架具有1580万个参数,与其他模型相比,大大降低了计算负载.

结论:

• 拟议的轻量级深度学习框架为骨年龄评估提供了精确有效的解决方案.
• 这种人工智能驱动的方法有可能使BAA标准化,改善诊断公平性,并优化儿科内分泌学和骨科的资源配置.
• 通过合作解决技术,伦理和采用挑战是成功实施的关键.