TY -的A2 -苏莱曼,艾哈迈德AU -潘,肖颖盟——赵Yizhe盟——陈郝盟——魏、德盟——赵,陈盟——魏,智PY - 2020 DA - 2020/03/03 TI -全自动骨龄评估大规模一方面x射线数据集SP - 8460493六世- 2020 AB -骨龄评估(BAA)是一个重要的主题的临床实践评估儿童的生理成熟度。由于人工方法费时且容易引起观测者的变化，因此开发计算机辅助和自动化的BAA方法具有很大的吸引力。在本文中，我们提出了一种全自动BAA方法。为了消除原始x射线图像中的噪声，我们首先使用U-Net从原始x射线图像中精确地分割手掩模图像。虽然U-Net可以实现高精度的分割，但需要更大的注释数据集。为了减轻标注负担，我们建议使用深度主动学习(AL)来有意地选择具有足够信息的未标记数据样本。将这些示例交给Oracle进行注释。然后，它们被用于子序列训练。一开始手工标注的数据只有300个，改进后的AL框架下的U-Net可以对RSNA数据集中的12611张图像进行鲁棒分割。AL分割模型在带注释的测试集中得到了0.95的骰子分数。为了优化学习过程，我们在ImageNet上使用了6个具有预先训练权重的现成深度卷积神经网络(CNNs)。 We use them to extract features of preprocessed hand images with a transfer learning technique. In the end, a variety of ensemble regression algorithms are applied to perform BAA. Besides, we choose a specific CNN to extract features and explain why we select that CNN. Experimental results show that the proposed approach achieved discrepancy between manual and predicted bone age of about 6.96 and 7.35 months for male and female cohorts, respectively, on the RSNA dataset. These accuracies are comparable to state-of-the-art performance. SN - 1687-4188 UR - https://doi.org/10.1155/2020/8460493 DO - 10.1155/2020/8460493 JF - International Journal of Biomedical Imaging PB - Hindawi KW - ER -