ارزیابی سن استخوانی از روی تصاویر رادیولوژی مبتنی بر یادگیری عمیق

ارزیابی سن استخوانی در تشخیص رشد غیرطبیعی، ناهنجاری های غده درون ریز و ناهنجاری های ژنتیکی کاربرد دارد. ویژگی های ریخت شناسی استخوان های دست مانند مچ ها و انگشتان در این کار اهمیت ویژه ای دارد. ارزیابی سن استخوانی توسط رادیولوژیست ها هم طولانی است و هم ممکن است از یک متخصص به متخصص دیگر متفاوت باشد. در این مقاله یک روش کاملا خودکار برای ارزیابی سن استخوانی بر روی مجموعه داده RSNA ارائه می شود. در این روش ابتدا قطعه بندی ناحیه دست با استفاده از شبکه Dense-Unet انجام می شود. سپس یک شبکه پیچشی ارائه می شود که نقاط خارجی دست را شناسایی کند و بعد با استفاده از تبدیلات هندسی در تصویر، دست به مختصات جدیدی چرخانده می شود، در نهایت با استفاده از شبکه DenseNet۲۰۱ سن استخوانی ارزیابی می شود. نتایج نشان می دهد خطای MAE این روش برابر ۴/۲۲ ماه است که از دیگر مقالات در این حوزه بهتر عمل می کند.

کلیدواژه ها:

تصاویر رادیولوژی ، ناهنجاری های رشد ، سن استخوانی ، یادگیری عمیق ، قطعه بندی تصویر