تخمین سن استخوانی کودکان مبتنی بر یادگیری عمیق با استفاده از رادیوگرافی دست
| Autor: | مجتبی سیرتی-امشه, الهام شعبانی نیا, علی چاپاریان |
|---|---|
| Jazyk: | perština |
| Rok vydání: | 2023 |
| Předmět: | |
| Zdroj: | مجله دانشکده پزشکی اصفهان, Vol 40, Iss 700, Pp 1037-1043 (2023) |
| Druh dokumentu: | article |
| ISSN: | 1027-7595 1735-854X |
| DOI: | 10.48305/jims.v40.i700.1037 |
| Popis: | مقاله پژوهشی مقدمه: از تصاویر رادیوگرافی دست، به صورت رایج جهت ارزیابی بلوغ استخوانی استفاده می‌‌شود. به طوری که تفاوت چشمگیر میان سن ارزیابی شده و سن تقویمی می‌تواند نشان‌دهنده‌ی اختلال در رشد باشد. با این حال ارزیابی دستی تصاویر، معمولاً فرایندی زمان‌بر و وابسته به ناظر است. لذا هدف از انجام این مطالعه، ایجاد روشی خودکار برای ارزیابی سن استخوانی با استفاده از تصاویر رادیوگرافی دست می‌باشد. روش‌ها: در این پژوهش که از نوع بنیادی- کاربردی می‌باشد، از مجموعه تصاویر رادیوگرافی انجمن رادیولوژی آمریکای شمالی (Radiological Society of North America) RSNA استفاده شد و روش یادگیری انتقالی برای تخمین سن استخوانی کودکان پیشنهاد گردید. تصاویر ورودی، ابتدا به دلیل کیفیت پایین مورد پیش‌پردازش قرار گرفتند. سپس مدل از پیش آموزش دیده ۱۲۱DenseNet- برای استخراج ویژگی‌های مکانی متمایزکننده مورد استفاده قرار گرفت. یافته‌ها: ارزیابی‌ها با استفاده از پنج مدل از پیش آموزش دیده و بر روی مجموعه‌ی داده‌ی RSNA نشان دادند که مدل ۱۲۱DenseNet- پس از تنظیم می‌تواند با میانگین خطای مطلق 9/8 ماه بهتر از سایر مدل‌ها عمل کند. نتیجه‌گیری: بلوغ اسکلتی می‌تواند با استفاده از مدل ۱۲۱DenseNet- با دقت رضایت‌بخشی تخمین زده شود و از این روش می‌توان به رادیولوژیست‌ها در اندازه‌گیری سریع و دقیق سن استخوانی کمک نمود. |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|