目的探究深度学习技术在中国汉族人群CT三维重建图像自动性别识别中的可靠性和准确率。方法收集20~85岁汉族人群骨盆CT影像学数据700例(男性350例,女性350例),将其重建为三维虚拟骨骼模型,并截取坐骨耻骨支内侧缘(medial aspect of the ...目的探究深度学习技术在中国汉族人群CT三维重建图像自动性别识别中的可靠性和准确率。方法收集20~85岁汉族人群骨盆CT影像学数据700例(男性350例,女性350例),将其重建为三维虚拟骨骼模型,并截取坐骨耻骨支内侧缘(medial aspect of the ischiopubic ramus,MIPR)特征区域图像。采用Inception v4作为图像识别模型,以初始化学习和迁移学习两种方式进行训练。随机选取80%的图像作为训练验证集,20%的图像作为测试集。将左右两侧MIPR图像进行单独以及合并训练。之后使用总准确率、女性准确率、男性准确率等指标进行模型的性能评价。结果将左右两侧MIPR图像单独进行初始化学习训练,右侧MIPR模型的总准确率为95.7%,其中女性准确率为95.7%、男性准确率为95.7%;左侧MIPR模型的总准确率为92.1%,其中女性准确率为88.6%、男性准确率为95.7%。将左右两侧MIPR图像合并以初始化学习进行训练,模型的总准确率为94.6%,其中女性准确率为92.1%、男性准确率为97.1%。将左右两侧MIPR图像合并以迁移学习进行训练,模型的总准确率为95.7%,其中女性准确率为95.7%,男性准确率为95.7%。结论利用Inception v4深度学习模型和迁移学习算法对中国汉族人群骨盆MIPR图像构建性别推断模型,可对成人骨骼遗骸开展有效性别鉴定,具有较高的准确率及泛化能力。展开更多
文摘目的探究深度学习技术在中国汉族人群CT三维重建图像自动性别识别中的可靠性和准确率。方法收集20~85岁汉族人群骨盆CT影像学数据700例(男性350例,女性350例),将其重建为三维虚拟骨骼模型,并截取坐骨耻骨支内侧缘(medial aspect of the ischiopubic ramus,MIPR)特征区域图像。采用Inception v4作为图像识别模型,以初始化学习和迁移学习两种方式进行训练。随机选取80%的图像作为训练验证集,20%的图像作为测试集。将左右两侧MIPR图像进行单独以及合并训练。之后使用总准确率、女性准确率、男性准确率等指标进行模型的性能评价。结果将左右两侧MIPR图像单独进行初始化学习训练,右侧MIPR模型的总准确率为95.7%,其中女性准确率为95.7%、男性准确率为95.7%;左侧MIPR模型的总准确率为92.1%,其中女性准确率为88.6%、男性准确率为95.7%。将左右两侧MIPR图像合并以初始化学习进行训练,模型的总准确率为94.6%,其中女性准确率为92.1%、男性准确率为97.1%。将左右两侧MIPR图像合并以迁移学习进行训练,模型的总准确率为95.7%,其中女性准确率为95.7%,男性准确率为95.7%。结论利用Inception v4深度学习模型和迁移学习算法对中国汉族人群骨盆MIPR图像构建性别推断模型,可对成人骨骼遗骸开展有效性别鉴定,具有较高的准确率及泛化能力。