文献类型：期刊文章

作　　者：唐志豪[1] 刘利军[1] 冯旭鹏[2] 黄青松[1,3]

TANG Zhi-hao;LIU Li-jun;FENG Xu-peng;HUANG Qing-song(Faculty of Information Engineering and Automation,Kunming University of Science and lechnology,Kunming 650500,China;Educational technology and Network Center,Kunming University of Science and Technology,Kunming 650500,China;Yunnan Provincial Key Laboratory of Computer Technology Applications Kunming University of Science and Technology,Kunming 650500,China)

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650500 [2]昆明理工大学教育技术与网络中心,云南昆明650500 [3]昆明理工大学云南省计算机技术应用重点实验室,昆明650500

出　　处：《光电子．激光》

基　　金：面向大规模数据集的医学图像-文本跨模态检索关键技术研究(81860318);面向移动医疗的医学影像精准响应方法研究(81560296)资助项目。

年　　份：2021

卷　　号：32

期　　号：3

起止页码：331-338

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：本文针对现有骨龄评估数据集数据规模小,样本分布不均匀以及现有方法评估准确度较低的问题,提出了一种新的结合高效通道注意模块的残差网络骨龄评估模型。通过结合深度残差网络和高效通道注意模块来提高卷积效率,并改进损失函数,缓解样本分布不均匀问题的影响;然后运用迁移学习的方法微调训练骨龄评估模型,提高模型训练效率;最后引入随机深度算法提高模型泛化能力。实验结果表明,该方法在RSNA数据集和DHA数据集上的平均绝对误差分别为4.69个月和5.98个月,当容忍度为12个月时,骨龄评估的准确率可以达到98.36%和94.88%,说明本文方法能够明显地提高骨龄评估的准确率,一定程度上缓解数据规模小和数据分布不均匀带来的影响。

关 键 词：骨龄评估  残差网络  高效通道注意模块  随机深度算法  损失函数

分 类 号：TP391.4] TP183[计算机类]