ارزیابی سن استخوانی از روی تصاویر رادیولوژی مبتنی بر یادگیری عمیق
محل انتشار: نخستین همایش "هوش مصنوعی و فناوری های آینده نگر"
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 167
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICAIFT01_002
تاریخ نمایه سازی: 16 بهمن 1402
چکیده مقاله:
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:
نویسندگان
محمد تجری
دانشجوی کارشناسی ارشد ، دانشگاه صنعتی نوشیروانی بابل
محمدرضا حسن زاده
استادیار، دانشگاه صنعتی نوشیروانی بابل