基于深度学习法构建适合平原和高原儿童的骨龄预测模型

作     者：刘琪星 汪火根 次旦旺久 土旦阿旺 杨美杰 普琼穷达 杨筱 潘慧 王凤丹 

作者机构：中国医学科学院北京协和医院放射科 浙江大学计算机科学与技术学院 西藏自治区人民医院放射科 尼玛县人民医院放射科 那曲市人民医院放射科 中国医学科学院北京协和医院超声医学科 中国医学科学院北京协和医院内分泌科 

出 版 物：《协和医学杂志》 (Medical Journal of Peking Union Medical College Hospital)

年 卷 期：2024年

核心收录：

学科分类：1004[医学-公共卫生与预防医学(可授医学、理学学位)] 100404[医学-儿少卫生与妇幼保健学] 10[医学] 

基　　金：国家自然科学基金青年科学基金(82001900) 北京协和医院中央高水平医院临床科研项目(2022-PUMCH-A-003) 中国医学科学院医学与健康科技创新工程(2021-I2M-1-051) 

主　　题：骨龄 深度学习 人工智能 高原 藏族 

摘      要：目的 基于深度学习法构建适合平原和高原儿童的骨龄预测模型，并进行临床验证。方法 本研究共纳入三个数据集[北美放射学会（RadiologySocietyofNorthAmerica，RSNA）数据集，包括训练集12611例、验证集1425例、测试集200例；放射学手部姿势评估（Radiological HandPoseEstimation，RHPE）数据集，包括训练集5491例、验证集713例和测试集79例；自建数据集，包括训练集825例和测试集351例]，用于模型的训练和内部验证。自建数据集回顾性纳入北京协和医院（745例，均为汉族）和西藏自治区人民医院（431例，其中汉族114例、藏族317例）共1176例儿童的左手腕部X线影像。此外，研究还纳入了收集自尼玛县人民医院的外部测试集（256例，均为藏族），用于模型的外部验证。应用深度学习法构建骨龄预测模型（EthnicityVisionGender-BoneAgeNet，EVG-BANet），并采用平均绝对差异（meanabsolutedifference，MAD）和1岁以内准确率作为模型的评价指标。结果 EVG-BANet模型在RSNA和RHPE测试集中的MAD分别为0.34岁和0.52岁。在自建数据集中，该模型的MAD为0.47[ 95%置信区间(confidenceinterval，CI )：0.43～0.50]岁，1岁以内准确率为97.72%（95%CI：95.56%～99.01%）；在外部测试集中，该模型的MAD为0.53（95%CI：0.48～0.58）岁，1岁以内准确率为89.45%（95%CI：85.03%～92.93%）。结论 该模型在平原和高原儿童中均表现出较高的准确性，具有一定的推广应用价值。