论文部分内容阅读
目的:探讨基于整张手腕部X线数字摄影(DR)影像深度学习特征的人工智能骨龄评估(AI-BAA)方法。方法:收集本院11858例0~18岁左手腕部骨龄DR图像数据,随机提取20%为验证集、80%为训练集,图像预处理后在resnet101基础上构建多模态信息融合的深度学习模型,优化算法以实现骨龄回归,并通过热力图实现数据模型可视化。另收集本院新近0~17岁1217例骨龄影像数据作为测试集,检验模型效能。采用平均绝对误差(MAE)和散点图评估模型骨龄预测的准确性。结果:模型骨龄预测值和儿科放射医师诊断结果的散点