基于轻量化VGG16和注意力机制的骨龄预测研究

本研究旨在提高儿童骨龄预测的准确性,通过引入轻量化VGG16和CBAM(Convolutional Block Attention Module)注意力机制,我们设计了轻量化VGG16网络,通过迁移学习初始化模型,同时利用CBAM注意力机制提取关键特征。在儿童骨龄预测数据集上,轻量化VGG16网络相较于传统VGG16、Res Net34和Mobile Net V2,表现出更高的预测性能,MAE(MeanAbsolute Error)为5.01(月)。实验结果及图像对比验证了模型的优越性,为提高儿童骨龄预测提供了可靠的支持。