运用3种卷积神经网络模型对青少年骨盆骨龄评估的比较

目的 比较VGG19、Inception-V3、Inception-ResNet-V23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.