基于深度学习实现成人坐骨耻骨支内侧缘的性别推断

目的 探究深度学习技术在中国汉族人群CT三维重建图像自动性别识别中的可靠性和准确率。方法 收集20～85岁汉族人群骨盆CT影像学数据700例（男性350例，女性350例），将其重建为三维虚拟骨骼模型，并截取坐骨耻骨支内侧缘（medial aspect of the ischiopubic ramus,MIPR）特征区域图像。采用Inception v4作为图像识别模型，以初始化学习和迁移学习两种方式进行训练。随机选取80%的图像作为训练验证集，20%的图像作为测试集。将左右两侧MIPR图像进行单独以及合并训练。之后使用总准确率、女性准确率、男性准确率等指标进行模型的性能评价。结果将左右两侧MIPR图像单独进行初始化学习训练，右侧MIPR模型的总准确率为95.7%，其中女性准确率为95.7%、男性准确率为95.7%；左侧MIPR模型的总准确率为92.1%，其中女性准确率为88.6%、男性准确率为95.7%。将左右两侧MIPR图像合并以初始化学习进行训练，模型的总准确率为94.6%，其中女性准确率为92.1%、男性准确率为97.1%。将左右两侧MIPR图像合并以迁移学习进行训练，模型的总准...