基于改进ＡｌｅｘＮｅｔ的手腕骨图像成熟等级识别

ＣＨＮ 法是目前适用于我国评估骨龄的方法之一，其评估骨龄最关键的步骤是对手腕骨图像的成熟等级评定。传统的方法是由医学专家人工阅片，不仅工作量大、耗时长，评定的准确性还受到人的主观因素干扰。为了提高骨骼等级识别的准确率，提出了一种基于改进 ＡｌｅｘＮｅｔ的手腕骨图像等级识别方法，将优化的空间变换网络加入到 ＡｌｅｘＮｅｔ网络结构中，对特征图进行旋转、平移和缩放等变换操作以获取更有辨识度的特征信息；采用 Ｍａｘｏｕｔ激活函数作为网络中卷积层的激活函数，训练手腕骨图像成熟等级识别模型。实验结果表明：相比于原始 ＡｌｅｘＮｅｔ网络与其他几个常见的卷积神经网络，改进的 ＡｌｅｘＮｅｔ网络提高了网络模型对头状骨、钩骨、掌骨Ⅰ、远节指骨Ⅰ和中节指 骨Ⅴ等成熟等级识别的准确率，分 别 达 到 了８８．３９％，８５．３５％，７９．６９％，７９．４１％ 和８１．２９％。该方法可以为基于深度学习的骨龄评估方法提供新的技术参考。