运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较
Comparison of Three CNN Models Applied in Bone Age Assessment of Pelvic Ra?diographs of Adolescents
中文题名:运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较
作者:彭丽琴 万雷 汪茂文 李卓 王鹏 刘太昂 王亚辉 赵虎
第一作者:彭丽琴
机构:[1]中山大学中山医学院法医学系广东省法医学转化医学工程技术研究中心,广东广州510080;[2]司法鉴定科学研究院上海市法医学重点实验室司法部司法鉴定重点实验室上海市司法鉴定专业技术服务平台,上海200063;[3]上海真谱信息科技有限公司,上海200444
年份:2020
卷号:36
期号:5
起止页码:622-630
中文期刊名:法医学杂志
中文关键词:法医人类学;年龄测定,骨骼;骨盆;图像识别;深度学习;卷积神经网络;汉族;青少年;
摘要:目的比较VGG19、Inception-V3、Inception-ResNet-V23种深度学习(deep learning,DL)模型基于骨盆X线片图像进行骨龄自动评估的性能。方法采集我国5省市11.0~<21.0周岁汉族青少年骨盆X线片图像962例(男性481例,女性481例),将上述图像进行预处理作为研究对象。采用随机抽样的方法抽取80%作为训练集、验证集,用于模型拟合和超参数的调整。20%作为测试集,用于评估模型泛化的能力。通过比较模型估计值与生活年龄的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及绘制Bland-Altman散点图来评估3种模型的性能。结果VGG19模型预测年龄与生活年龄的平均RMSE、MAE分别为1.29、1.02岁,Inception-V3模型预测年龄与生活年龄的平均RMSE、MAE分别为1.17、0.82岁,Inception-ResNet-V2模型预测年龄与生活年龄的平均RMSE、MAE分别为1.11、0.84岁。Bland-Altman散点图显示Inception-ResNet-V2模型的差值的均值最小。结论在对青少年骨盆的自动骨龄评估中,Inception-ResNet-V2模型性能最优,Inception-V3模型与VGG19模型性能相当。
分类号:DF795.6[法医人类学]
收录:化学文摘(网络版);CSCD:【CSCD_E2019_2020】;医学文摘;日本科学技术振兴机构数据库;生物医学检索系统;RCCSE;文摘与引文数据库;中国科技核心期刊;普通刊;