通过骨形状分类与回归进行骨龄预测建模
机器学习
2014-06-19 v1 医学物理
摘要
骨龄评估是全球医院每日执行的一项任务，涉及临床医生根据非优势手 X 光片估算患者年龄。我们自动化骨龄评估的方法是将算法模块化为以下三个阶段：分割并验证手部轮廓；分割并验证骨骼；利用骨骼轮廓构建年龄模型。本文解决最后一个问题：给定骨骼轮廓，我们能否学习如何预测患者的骨龄？我们考察了两种替代方法。首先，我们尝试在单个骨骼上训练分类器，以预测骨龄测定中常用的骨阶段类别。其次，我们构建回归模型以直接预测患者年龄。我们证明，基于骨骼轮廓摘要特征构建的模型优于使用轮廓一维表示构建的模型，且表现至少与其他自动化系统相当。我们表明，仅基于三块骨骼构建的模型在预测年龄方面的准确度与使用标准技术的专家人类评估者相当。我们还通过量化种族和性别对年龄发育的重要性展示了该模型的实用性。我们的结论是，将图像处理与年龄建模分离的基于特征的系统是自动化骨龄测定的最佳方法，因为它提供了灵活性和透明度，并能产生准确的估计。
引用
@article{arxiv.1406.4781,
title = {Predictive Modelling of Bone Age through Classification and Regression of Bone Shapes},
author = {Anthony Bagnall and Luke Davis},
journal= {arXiv preprint arXiv:1406.4781},
year = {2014}
}