基于深度学习的 Sauvegrain 法测量青春期骨龄研究
计算机视觉与模式识别
2018-09-20 v1
摘要
本研究应用一种技术将图像数量扩充到允许进行深度学习的水平，并研究了通过相对少量的肘部 X 光片进行深度学习的 Sauvegrain 法的适用性。研究过程类似于医生的骨龄评估流程。所选参考图像在学习时未包含在评估数据中，同时扩展了数据以适应病例数量。此外，我们使用 U-Net 将 X 光图像调整为更优图像，并通过 RPN+ 选择 ROI，以便能够通过 CNN 进行骨龄估计。基于深度学习的 Sauvegrain 法的平均绝对误差为 2.8 个月，平均绝对百分比误差（MAPE）为 0.018。该结果表明，即使基于深度学习，使用 Sauvegrain 法的 X 光分析在青春期年龄组也显示出比更高准确性。这意味着基于扩展 X 光图像与图像数据扩展技术的 Sauvegrain 法深度学习可达到与专家相近的水平。最后，我们将 Sauvegrain 法应用于深度学习以精确测量青春期骨龄。结果，本研究表明基于深度学习，与专家评估结果相比，可克服基于机器学习的 TW3 或 Greulich & Pyle 骨龄测量方法因 X 光片不足而存在的局限性，对此予以确认。我们也提出了适用于青少年的 Sauvegrain 法。
引用
@article{arxiv.1809.06965,
title = {A Study on Deep Learning Based Sauvegrain Method for Measurement of Puberty Bone Age},
author = {Seung Bin Baik and Keum Gang Cha},
journal= {arXiv preprint arXiv:1809.06965},
year = {2018}
}
备注
5 pages, 6 figures, 1 table