基于深度学习实现肋软骨CT图像自动化骨龄推断

目的 利用深度学习方法对第1～7对成人肋软骨CT重建图像进行特征提取,实现成人肋软骨骨龄的自动化推断。方法 回顾性收集年龄在20岁～70岁之间的男性和女性样本各625例,并通过容积再现技术（VRT）得到对应的VRT图像。通过图像预处理和数据增强之后,将其中的500例作为训练集,125例作为测试集,运用5折交叉验证的方法分别评估Res Net、Res Ne Xt、Dense Net及Google Net网络模型的性能,并将5折交叉验证结果的平均值作为最终推断结果。结果 Res Net50网络模型在男性和女性数据集中都取得了最佳实验结果,平均绝对误差分别为4.56岁和3.91岁,±5.0岁范围内预测准确率分别达到64.00%和70.88%,±10.0岁范围内预测准确率分别达到88.96%和94.40%。结论 与传统方法和机器学习方法相比,深度学习方法能够避免人为因素的影响,并且大大提高了成人肋软骨骨龄推断的准确率、降低了预测年龄与真实年龄之间的平均绝对误差,具有较高的临床应用价值。