骨龄分析

骨标头

深度学习在骨龄分析中的应用

骨龄研究有助于估计孩子骨骼系统的成熟度, 通常是通过对左手腕、手和手指进行一次 x 光检查来完成的。 根据大量其他相同性别和年龄的儿童的数据, 将 x 光图像上的骨骼与标准骨发育图集中的 x 光图像进行比较。 孩子的骨龄和他或她的年龄之间的差异可能表明生长问题。 RAD Sherpa 的人工智能算法分析来自不同模式的成像扫描, 并对其进行一些不同临床结果的预测诊断。 这可以帮助放射科医生提供一个准确和及时的诊断条件, 延迟或加速身体生长和发展, 如生长激素缺乏, 甲状腺功能减退, 早熟, 肾上腺疾病的遗传生长疾病, 如特纳综合征 (TS) 和骨科或正畸问题, 其中治疗的时间和类型 (手术, 支撑等) 必须以孩子的预测生长为指导。

我们模型的工作流程包括预处理、推理和模型评估。 该模型的预处理过程包括提取、归一化和重新缩放。 推理模型利用卷积神经网络来了解从 x 射线图像中提取的特征与骨年龄之间的复杂关系。 模型评价过程表明, 我们的模型在测试数据集上具有较高的精度。