基于改进AlexNet的手腕骨图像成熟等级识别 |
| |
引用本文: | 丁维龙,李 涛,丁 潇,余 鋆,毛科技.基于改进AlexNet的手腕骨图像成熟等级识别[J].浙江工业大学学报,2021,49(6):614-622. |
| |
作者姓名: | 丁维龙 李 涛 丁 潇 余 鋆 毛科技 |
| |
基金项目: | 浙江省重点研发项目(2018C01082);浙江省公益技术研究计划/工业资助项目(LGF21F020015,LGG20F020018) |
| |
摘 要: | 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。
|
|
| 点击此处可从《浙江工业大学学报》浏览原始摘要信息 |
|
点击此处可从《浙江工业大学学报》下载全文 |
|