自动骨年龄评估和成人身高预测从儿科手部X射线图通过一个级联深度学习框架

科学领域:

• 儿科内分泌学 儿科内分泌学
• 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:

• 传统的骨质年龄评估和成人身高预测依赖于主观的,耗时的X射线图的手动解释.
• 手动方法的观察者间的变化可能会影响诊断的准确性和效率.

研究的目的:

• 开发和验证一个自动级联深度学习模型,用于骨年龄评估和成人身高预测.
• 用人工智能提高儿科生长评估的诊断客观性和效率.

主要方法:

• 开发了一个级联深度学习模型,利用Yolact进行细分和ResNet-18子网络进行骨化分级.
• 该模型处理了8,242张使用中国-05标准注释的儿科手部放射图.
• 使用集成预测等级和回归模型进行了骨龄估计和成人身高预测.

主要成果:

• 该模型实现了高准确度,皮尔森相关性为0.98的骨年龄和0.94的成人身高.
• 布兰德-阿尔特曼分析表明,对于这两种评估,偏见最小,共识极限狭窄.
• 平均绝对误差为骨龄的0.25年,成人身高的1.75厘米,平均推断时间为7.8秒.

结论:

• 自动化的深度学习模型提供了准确,高效和可靠的骨年龄评估和成人身高预测.
• 这种人工智能驱动的方法显示了临床整合到儿科生长评估工作流程中的巨大潜力.
• 该模型解决了传统方法的局限性,提供了更好的客观性和速度.