目的探討2種深度學習模型對基于手腕部DR影像骨齡預測價值,為骨齡評估提供合適的人工智能模型。方法搜集本院11858例0～18歲骨齡檢測的左手腕部DR影像資料,構建基于其影像傳統(tǒng)關注局部區(qū)域（AIM1）或數據驅動整體區(qū)域（AIM2）深度學習特征的骨齡預測模型。應用2種模型分別對本院2018年2月1216例（男415例,女801例）8個月～17歲兒童骨齡左手腕部DR影像資料進行測試,比較其骨齡預測值及與醫(yī)師讀數平均絕對誤差（MAE）的差異,并評估其相關性,P<0.05為差異有統(tǒng)計學意義。結果參照兒科放射科醫(yī)師基于GP圖譜的骨齡讀數,準確率AIM1為90.87%,低于AIM2的94.73%（P=0.001）;MAE值AIM1為0.441±0.434,高于AIM2的0.437±0.328（P=0.929）;其中,AIM2對女孩骨齡預測值更接近醫(yī)師骨齡讀數（P=0.78）,AIM1對男孩骨齡預測值更接近醫(yī)師骨齡讀數（P=0.914）;骨齡預測值2種模型之間及其與醫(yī)師骨齡讀數均具有顯著相關性（P<0.01）。結論基于整體手腕部DR影像數據驅動人工智能模型對骨齡預測準確性高于基于臨床先驗... 

【文章來源】：臨床放射學雜志. 2019,38(08)北大核心CSCD

【文章頁數】：4 頁

【文章目錄】：
1 資料與方法
    1.1 臨床資料
    1.2 檢查方法
    1.3 統(tǒng)計學方法
2 結果
3 討論


【參考文獻】：
期刊論文
[1]兒童青少年骨齡分析在臨床工作中的應用[J]. 鄧榮,李迎,黃仁.  中國臨床新醫(yī)學. 2018(04)
[2]深度學習在圖像識別及骨齡評估中的優(yōu)勢及應用前景[J]. 胡婷鴻,萬雷,劉太昂,汪茂文,陳騰,王亞輝.  法醫(yī)學雜志. 2017(06)
[3]三種不同骨齡測定方法在矮小兒童骨齡的比較[J]. 趙麗泓,劉燕茹,徐紅梅,王增,孫國莉.  中國中西醫(yī)結合兒科學. 2013(01)
[4]手腕部骨齡鑒定方法的研究進展[J]. 沈勛章.  中國醫(yī)藥科學. 2011(12)
[5]兒童青少年骨齡評估的現狀與展望[J]. 孔倩倩,田軍.  醫(yī)學影像學雜志. 2011(06)
[6]骨齡檢測的方法及其應用[J]. 郭靜.  實用預防醫(yī)學. 2009(06)
[7]基于智能計算的自動骨齡評估及其與TW3法比較[J]. 劉堅,戚靜,劉釗,寧琴,羅小平.  中國醫(yī)學影像技術. 2008(10)
[8]X線骨齡評估方法研究進展與展望[J]. 王亞輝,朱廣友,喬可,卞士中,范利華,程亦斌,應充亮,沈彥.  法醫(yī)學雜志. 2007(05)
[9]新版骨齡評分法概述[J]. 葉義言.  中華兒科雜志. 2004(01)



本文編號：3118128