用于儿科骨龄评估的岭回归神经网络
计算机视觉与模式识别
2021-04-19 v1 机器学习
摘要
骨龄是评估儿童骨骼与生物成熟度的重要指标。骨龄延迟或超前是儿科医生严重关切的问题,需准确评估以确定骨成熟度是否以与 chronological age(实足年龄)一致的速度发生。本文引入一种利用实例分割与岭回归进行骨龄评估的统一深度学习框架。所提方法由两集成阶段组成。第一阶段,我们采用图像标注与分割模型从放射图像中标注并分割手部,随后去除背景。第二阶段,我们设计由预训练卷积神经网络(用于从分割的儿科手部 X 光片学习显著特征)和岭回归输出层(用于预测骨龄)组成的回归神经网络架构。在手部 X 光片数据集上的实验评估证明了我们的方法相对于现有基于深度学习的骨龄评估方法的竞争性能。
引用
@article{arxiv.2104.07785,
title = {Ridge Regression Neural Network for Pediatric Bone Age Assessment},
author = {Ibrahim Salim and A. Ben Hamza},
journal= {arXiv preprint arXiv:2104.07785},
year = {2021}
}