骨龄研究有助于评估儿童骨骼系统的成熟度，通常通过对左手腕、手和手指进行单次X光检查来完成。X光图像上的骨骼与标准骨骼发育图谱中的X光图像进行比较，该图谱基于大量同性别和年龄儿童的数据。儿童的骨龄与其实际年龄之间的差异可能表明存在生长问题。
RAD Sherpa的人工智能算法分析各种模态的成像扫描，并对多种不同的临床发现进行预测性诊断。这可以帮助放射科医生准确及时地诊断延迟或加速身体生长和发育的疾病，如生长激素缺乏症、甲状腺功能减退症、性早熟、肾上腺疾病、遗传性生长障碍（如特纳综合征）以及需要根据儿童预测生长来指导治疗时机和类型（手术、支具等）的骨科或正畸问题。
技术工作流程
我们模型的工作流程包括预处理、推理和模型评估。模型的预处理程序包括提取、归一化和重新缩放。推理模型使用卷积神经网络来学习从X光图像中提取的特征与骨龄之间的复杂关系。模型评估过程表明我们的模型在测试数据集上具有高精度。
关键功能
- 自动化骨骼成熟度评估
- 支持GP图谱和TW3方法
- 即时骨龄计算
- 详细的生长预测
- 与PACS系统集成
骨龄计算器
