使用分治策略和轻量级卷积神经网络的手部骨龄估计
计算机视觉与模式识别
2024-05-27 v1 机器学习
摘要
估计儿童的骨龄对于诊断生长缺陷和相关疾病以及估计儿童成熟后的最终身高非常重要。因此，它在不同国家被广泛使用。传统的骨龄估计方法是通过比较图谱图像和左手X光图像来进行的，这既耗时又容易出错。为了使用深度神经网络模型估计骨龄，已经进行了大量研究，我们的努力是通过引入的方法提高这一过程的准确性和速度。在创建和分析我们的初始模型后，我们专注于预处理，使输入更小并提高其质量。我们选择了手部X光片的小区域，并仅根据这些区域估计骨龄。通过这样做，我们进一步提高了骨龄估计的准确性，超过了相关工作的成果，而没有增加所需的计算资源。在RSNA测试集上，我们在0-20岁范围内达到了3.90个月的平均绝对误差（MAE），在1-18岁范围内达到了3.84个月的MAE。
引用
@article{arxiv.2405.14986,
title = {Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks},
author = {Amin Ahmadi Kasani and Hedieh Sajedi},
journal= {arXiv preprint arXiv:2405.14986},
year = {2024}
}