不同人工智能模型对基于手腕部DR影像的骨龄预测比较

发布时间：2021-04-04 13:34

　　目的探讨2种深度学习模型对基于手腕部DR影像骨龄预测价值,为骨龄评估提供合适的人工智能模型。方法搜集本院11858例0～18岁骨龄检测的左手腕部DR影像资料,构建基于其影像传统关注局部区域（AIM1）或数据驱动整体区域（AIM2）深度学习特征的骨龄预测模型。应用2种模型分别对本院2018年2月1216例（男415例,女801例）8个月～17岁儿童骨龄左手腕部DR影像资料进行测试,比较其骨龄预测值及与医师读数平均绝对误差（MAE）的差异,并评估其相关性,P<0.05为差异有统计学意义。结果参照儿科放射科医师基于GP图谱的骨龄读数,准确率AIM1为90.87%,低于AIM2的94.73%（P=0.001）;MAE值AIM1为0.441±0.434,高于AIM2的0.437±0.328（P=0.929）;其中,AIM2对女孩骨龄预测值更接近医师骨龄读数（P=0.78）,AIM1对男孩骨龄预测值更接近医师骨龄读数（P=0.914）;骨龄预测值2种模型之间及其与医师骨龄读数均具有显著相关性（P<0.01）。结论基于整体手腕部DR影像数据驱动人工智能模型对骨龄预测准确性高于基于临床先验... 

【文章来源】：临床放射学杂志. 2019,38(08)北大核心CSCD

【文章页数】：4 页

【文章目录】：
1 资料与方法
    1.1 临床资料
    1.2 检查方法
    1.3 统计学方法
2 结果
3 讨论


【参考文献】：
期刊论文
[1]儿童青少年骨龄分析在临床工作中的应用[J]. 邓荣,李迎,黄仁.  中国临床新医学. 2018(04)
[2]深度学习在图像识别及骨龄评估中的优势及应用前景[J]. 胡婷鸿,万雷,刘太昂,汪茂文,陈腾,王亚辉.  法医学杂志. 2017(06)
[3]三种不同骨龄测定方法在矮小儿童骨龄的比较[J]. 赵丽泓,刘燕茹,徐红梅,王增,孙国莉.  中国中西医结合儿科学. 2013(01)
[4]手腕部骨龄鉴定方法的研究进展[J]. 沈勋章.  中国医药科学. 2011(12)
[5]儿童青少年骨龄评估的现状与展望[J]. 孔倩倩,田军.  医学影像学杂志. 2011(06)
[6]骨龄检测的方法及其应用[J]. 郭静.  实用预防医学. 2009(06)
[7]基于智能计算的自动骨龄评估及其与TW3法比较[J]. 刘坚,戚静,刘钊,宁琴,罗小平.  中国医学影像技术. 2008(10)
[8]X线骨龄评估方法研究进展与展望[J]. 王亚辉,朱广友,乔可,卞士中,范利华,程亦斌,应充亮,沈彦.  法医学杂志. 2007(05)
[9]新版骨龄评分法概述[J]. 叶义言.  中华儿科杂志. 2004(01)



本文编号：3118128