基于深度卷积神经网络的儿童骨龄评估
计算机视觉与模式识别
2018-09-24 v2
摘要
骨骼骨龄评估是诊断儿童发育中内分泌与代谢疾病的常见临床实践。在本文中，我们描述了一种针对骨龄评估问题的全自动化深度学习方法，使用由 RSNA 2017 组织的 Pediatric Bone Age Challenge 的数据。该竞赛的数据集由 12.6k 张左手放射影像组成，标注了患者的骨龄与性别。我们的方法利用了多种深度学习架构：U-Net、ResNet-50，以及端到端训练的自定义 VGG 风格神经网络。我们在训练和推理中均使用整手图像以及手的特定部位图像。该方法使我们能够衡量特定手骨在自动化骨龄分析中的重要性。我们进一步在骨骼发育阶段的背景下评估了该方法的性能。我们的方法优于其他常见的骨龄评估方法。
引用
@article{arxiv.1712.05053,
title = {Pediatric Bone Age Assessment Using Deep Convolutional Neural Networks},
author = {Vladimir Iglovikov and Alexander Rakhlin and Alexandr Kalinin and Alexey Shvets},
journal= {arXiv preprint arXiv:1712.05053},
year = {2018}
}
备注
14 pages, 9 figures