基于深度学习实现维吾尔族青少年左手腕关节骨龄自动化评估

目的将深度学习运用于维吾尔族青少年左手腕关节数字化X线摄影(digital radiography,DR)图像识别中,实现骨龄评估的自动化,探索该方法在法医骨龄鉴定中的应用价值。方法在我国新疆维吾尔自治区采集13.0~19.0岁维吾尔族男性青少年245例、女性青少年227例左手腕关节DR图像,将预处理后的图像作为研究对象,将AlexNet作为图像识别的回归模型。在上述总样本中分别选取男、女性60%左手腕关节DR图像样本作为网络训练集,10%的样本作为验证集,余30%作为测试集,获取与样本真实年龄误差范围分别在±1.0岁、±0.7岁以内的图像识别准确率。结果深度学习的内测结果:误差范围在±1.0岁及±0.7岁以内的网络训练集准确率,男性分别为81.4%和75.6%,女性分别为80.5%和74.8%。误差范围在±1.0岁及±0.7岁以内的测试集准确率,男性分别为79.5%和71.2%,女性分别为79.4%和66.2%。结论青少年左手腕关节骨龄研究与深度学习相结合,具有较高的准确性及较好的可行性,为躯体其余骨关节的骨龄自动化评估体系奠定研究基础。

左臂丛变异伴肩胛上动脉走行异常1例

在上肢手术中,与行全身麻醉相比,臂丛神经阻滞在控制疼痛、减少对全身阿片类药物的需求、改善术后运动范围及减少住院时间等方面具有明显优势。充分了解臂丛的解剖结构是损伤诊断、神经阻滞有效镇痛、局部手术修复的基础[1-2]。臂丛变异较多,但同时伴有血管变异的患者较为罕见[3]。本课题组在尸体解剖过程中发现1例左臂丛变异伴肩胛上动脉走行异常者,现报告如下。

深度学习在图像识别及骨龄评估中的优势及应用前景

深度学习以及神经网络模型是近年来机器学习及人工智能领域新的研究方向及热点问题。深度学习在图像识别、语音识别应用中已取得了突破性进展,在人脸识别、信息检索等领域也展示出独特优势,得到了广泛应用。骨骼X线图像显示黑白灰不同阶度的变化,具有黑白对比、层次差异的图像特征,基于深度学习在图像识别中的优势,我们将其与骨龄评估研究有机结合,旨在为构建法医学骨龄自动化评估系统提供基础性数据。本文综述了深度学习的基本概念及其网络结构,阐述了近年来深度学习在国内外不同研究领域图像识别中的研究进展,以及深度学习在骨龄评估中的优势及应用前景。