国家重点基础研究发展计划(2005CB52507)
- 作品数：1 被引量：5H指数：1
- 相关作者：刘钊刘坚罗小平宁琴戚静更多>>
- 相关机构：华中科技大学襄樊市中心医院广西医科大学第一附属医院更多>>
- 发文基金：国家重点基础研究发展计划更多>>
- 相关领域：医药卫生理学更多>>
- 基于智能计算的自动骨龄评估及其与TW3法比较被引量：5
- 2008年
- 目的寻找新的算法以提高自动化骨龄评估(ABAA)的准确性和实用性。方法建立基于目标的兴趣区(ROD。按照Tanner-Whitehouse(TW3)法将ROI分为RUS(包括尺桡骨及掌指骨)ROI及腕骨ROI。按离子群优化(PSO)法,每个兴趣区提取5项特征(包括大小、形态及融合或比邻状态)输入人工神经网络(ANN)分类器,ANN建立在前馈的多层网络基础上,并以反向传播算法规则训练ANN以分别处理RUS及腕骨特征。约1046份左手及腕的数字X线片被随机分成两部分,一半用以训练ANN,另一半用以ABAA,而之前全部采用TW3法有两名小儿内分泌专家人工判读骨龄。结果不同专家判读的骨龄间比较提示:RUS骨龄的标准差大于腕骨骨龄(4.40和2.42),但二者的变异系数(CV)均为4.0,且均有很高的一致率(95.5%及94.2%),不同判读者间RUS及腕骨骨龄均无显著性差异(P>0.05)。通过比较ABAA与人工判读骨龄的比较发现,RUS骨龄的标准差大于腕骨骨龄。但腕骨骨龄<9岁及RUS骨龄≥9岁者CV很接近,分别为3.0和3.1,而对RUS骨龄<9岁者CV较大,为3.5。本研究中不管是RUS骨龄还是腕骨骨龄,ABAA与人工判读相比均有很高的一致率(97.0%、93.8%与96.5%)并且无显著性差异(P>0.05)。结论PSO对图像分割与特征的提取更为有效和准确。该ANN经训练后能更全面地处理影像特征信息,准确判断骨龄。基于智能算法的ABAA系统成功地应用于骨龄0～18岁所有病例。
- 刘坚戚静刘钊宁琴罗小平
- 关键词：计算机辅助诊断神经网络模型
