APP下载

运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较

2020-12-06彭丽琴万雷汪茂文李卓王鹏刘太昂王亚辉赵虎

法医学杂志 2020年5期
关键词:模型

彭丽琴,万雷,汪茂文,李卓,王鹏,刘太昂,王亚辉,赵虎

(1.中山大学中山医学院法医学系 广东省法医学转化医学工程技术研究中心,广东 广州 510080;2.司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063;3.上海真谱信息科技有限公司,上海 200444)

骨龄是基于个体骨骼成熟度进行的年龄估计,代表人体的生物学年龄。临床上常用于对儿童青少年的发育情况评估,法庭科学中常用于对青少年犯罪嫌疑人的定罪量刑。传统的骨龄评估方法主要是通过影像片人工读取骨骺干骺端的发育形态,其中使用最广泛的是Greulich-Pyle图谱法[1]和Tanner-Whitehouse法[2]。但是人工读片效率较低,且阅片者之间存在不可避免的内部差异性。因此,从20世纪80年代末开始,研究学者们开始探寻将骨龄评估计算机自动化[3-4]。其中,机器学习成为最受关注的技术,并应用于骨龄评估。

机器学习是人工智能的一个分支,其核心是使用算法解析数据,然后对某件事情做出决定或预测。该过程可以看作是寻找一个函数,输入是样本数据,输出是期望的结果。2006年,HINTON等[5]提出的深度学习(deep learning,DL)算法是其中最具代表性的算法之一,从海量的训练数据集中自动学习任务相关特性及多层网络模型的构建,大大提升了分类、预测结果的准确性。目前已被广泛应用于医学图像领域,如肺结节良恶性的预测[6]、前列腺癌的诊断[7]、鼻咽癌的预后估计[8]、骨龄评估[9]等。2017年,北美放射学会举行的骨龄评估挑战赛[10]中,排名前三的人工智能技术均为DL算法。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用