基于深度学习的智能骨龄分类器

通用深度学习算法提取的医学手骨图像特征不能很好地区分相近年龄图像的差异,这导致骨龄分类器的预测精度较低.根据基于深度学习的轻量级神经网络MobileNet设计了一种改进的骨龄分类器RIL-MobileNetV3 Large,通过改进LBP处理层得到了具有细致纹理特征的手骨数据集并引入注意力机制进行自动定位,通过学习处理层处理后的手骨X光片中的深层区域特征完成识别和骨龄的分类,在公共数据集上进行实验并对该分类器进行多次训练调优,结果表明改进设计的分类器在骨龄预测中具有高达94.204%的准确率和0.350岁的均值误差,而且改进的轻量级网络为可移动智能便携预测骨龄奠定基础.