法医学杂志 ›› 2020, Vol. 36 ›› Issue (5): 622-630.DOI: 10.12116/j.issn.1004-5619.2020.05.004
所属专题: 虚拟法医人类学
彭丽琴1,2, 万雷2, 汪茂文2, 李卓2, 王鹏3, 刘太昂3, 王亚辉2, 赵虎1
PENG Li- qin1,2 , WAN Lei2 , WANG Mao- wen2 , LI Zhuo2 , WANG Peng3 , LIU Tai- ang3 , WANG Ya- hui2 , ZHAO Hu1
摘要: 目的 比较VGG19、Inception-V3、Inception-ResNet-V2 3种深度学习(deep learning,DL)模型基于骨盆X线片图像进行骨龄自动评估的性能。 方法 采集我国5省市11.0~<21.0周岁汉族青少年骨盆X线片图像962例(男性481例,女性481例),将上述图像进行预处理作为研究对象。采用随机抽样的方法抽取80%作为训练集、验证集,用于模型拟合和超参数的调整。20%作为测试集,用于评估模型泛化的能力。通过比较模型估计值与生活年龄的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及绘制Bland-Altman散点图来评估3种模型的性能。 结果 VGG19模型预测年龄与生活年龄的平均RMSE、MAE分别为1.29、1.02岁,Inception-V3模型预测年龄与生活年龄的平均RMSE、MAE分别为1.17、0.82岁,Inception-ResNet-V2模型预测年龄与生活年龄的平均RMSE、MAE分别为1.11、0.84岁。Bland-Altman散点图显示Inception-ResNet-V2模型的差值的均值最小。 结论 在对青少年骨盆的自动骨龄评估中,Inception-ResNet-V2模型性能最优,Inception-V3模型与VGG19模型性能相当。
中图分类号: