摘要
本文针对现有骨龄评估数据集数据规模小,样本分布不均匀以及现有方法评估准确度较低的问题,提出了一种新的结合高效通道注意模块的残差网络骨龄评估模型.通过结合深度残差网络和高效通道注意模块来提高卷积效率,并改进损失函数,缓解样本分布不均匀问题的影响;然后运用迁移学习的方法微调训练骨龄评估模型,提高模型训练效率;最后引入随机深度算法提高模型泛化能力.实验结果表明,该方法在RSNA数据集和DHA数据集上的平均绝对误差分别为4.69个月和5.98个月,当容忍度为12个月时,骨龄评估的准确率可以达到98.36％和94.88％,说明本文方法能够明显地提高骨龄评估的准确率,一定程度上缓解数据规模小和数据分布不均匀带来的影响.
基金项目
面向大规模数据集的医学图像-文本跨模态检索关键技术研究(81860318)
面向移动医疗的医学影像精准响应方法研究(81560296)
NETL
NSTL
维普
万方数据