检索结果-南通市图书馆

作者：陈奕芃华中科技大学

学位级别：硕士

骨龄评定在儿童发育评估、医学诊断和司法鉴定等领域起到了重要作用。一般情况下,医生通过阅读手与腕部的X光片,根据骨骼的形状、大小、关节发育情况、骨骺的闭合程度等特征,依据标准图谱和个人经验来推断骨龄。随着深度学习技术的发展... 详细信息

骨龄评定在儿童发育评估、医学诊断和司法鉴定等领域起到了重要作用。一般情况下,医生通过阅读手与腕部的X光片,根据骨骼的形状、大小、关节发育情况、骨骺的闭合程度等特征,依据标准图谱和个人经验来推断骨龄。随着深度学习技术的发展,各种卷积神经网络模型已在骨龄预测领域中取得了显著的进步。但是,使用卷积神经网络对整张骨骼图像进行骨龄预测的方法,通常对数据的质量和数量有较高要求,复杂繁琐的图像预处理会增加模型训练和预测时间。而且,一些骨龄预测方法只使用骨龄跨度较小的骨骼图像作为训练数据,无法胜任实际使用中大范围的骨龄预测需求。针对目前骨龄模型中存在的问题,考虑手部及腕部骨骼具有固定模型结构这一特点,提出了使用图注意力网络来汇聚骨骼关节间连通关系的增强骨龄预测性能的混合模型。首先,在图像处理阶段,对图像进行直方图均衡化,增强图像特征,其后使用YOLO-V4(You Only Look Once)网络对手部和腕部的主要关节进行识别和裁剪,并且设计了卷积神经网络Joint Net从关节图像中提取特征向量。然后,利用关节间的连通关系构建图模型,在图注意力层中对每个节点,通过计算其与相邻节点的注意力系数来更新节点特征向量。最后,将拼接过位置编码的骨骼关节特征与性别特征一起输入编码器中训练,使用全连接层进行分类。相比其他骨龄预测方法,本方法只需要关节数据,对数据的要求较低;不需要进行复杂的骨骼轮廓切割等处理,而且能够覆盖较广泛年龄段的骨龄预测任务。所设计的骨龄预测模型在北美放射学会(Radiology Society of North America,RSNA)2017年骨龄预测挑战赛公布的12000张X光片数据集和同济医院采集的13000张X光片数据集上进行验证,并使用平均绝对距离(Mean Absolute Distance,MAD)来衡量模型性能。所提出的模型在RSNA数据集上MAD为0.59年,相比基准网络Res Net 50网络的效果提升了10%,相比其他骨龄预测模型(TW3-CNN,AXNet),平均提升为5.5%;基于迁移学习的模型在同济数据集上最好效果的MAD为0.54年,优于其他对比模型;模型中的特征提取部分使用Joint Net网络比使用Res Net50网络效果提升7.26%,实验结果表明了所提出的结合卷积与图神经网络的骨龄预测混合模型的有效性。

关键词：骨龄预测深度神经网络图注意力网络图像预处理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

青少年骨龄评估系统开发

青少年骨龄评估系统开发

引用

作者：陈衍功广东工业大学

学位级别：硕士

近年来,随着计算机以及人工智能的突飞猛进,人工智能在医疗领域的应用得到大力的发展。最近几年,我国已经颁布了很多关于“人工智能+医疗”的相关政策,尤其是从2015年以来多次在两会以及政府工作报告期间提出要大力发展“人工智能+医疗... 详细信息

近年来,随着计算机以及人工智能的突飞猛进,人工智能在医疗领域的应用得到大力的发展。最近几年,我国已经颁布了很多关于“人工智能+医疗”的相关政策,尤其是从2015年以来多次在两会以及政府工作报告期间提出要大力发展“人工智能+医疗+互联网”的模式,能够利用该模式将我国一些传统行业焕发新的生机。尤其是我国的医疗资源分布是不均衡的,在一些二三线城市中对于医学资源的需求是巨大,通过“互联网+人工智能+医疗”的方式能够有效缓解这一问题,尤其是对一些入门门槛相对较高的病情诊断中,人工智能在医学方面能够扮演一个很好的角色。随着社会的发展,我国的青少年儿童在成长过程中,出现的问题越来越多,其中骨龄是一项能够很好反应青少年儿童生长发育的指标,但是对于一些三四线城市来说骨龄预测还是没有普及的。因此“人工智能+互联网+医疗”的模式,能够通过对大量数据的训练而建立一个有效的骨龄预测算法,再开发相应的软件,能够很好的在骨龄预测的临床诊断中提供有效的参考。本文基于以上观点开发了一个青少年骨龄预测系统,本文的研究内容主要有以下三点:（1）优化了DES加密算法。本系统为了保护患者的隐私信息安全,采用DES算法加密患者信息,并针对DES算法的不足提出两点改进。一方面优化DES算法中的f函数过程,将f函数中明文与密钥异或过程由原本的一次异或改为四次异或,并随机替换S盒中某个S盒将固定的S盒打乱;另一方面针对DES密钥长度短的问题,提出二次加密,对同一明文进行两次加密,从而将密钥长度提高一倍。（2）优化了青少年身高预测方法。本系统对患者进行骨龄预测后,会利用患者的预测骨龄对患者进行身高预测。目前,对身高预测主流的方法有采用bp法的方式,但是bp表中数据并不能反应当地的真实情况,本文采用的bp表是医院根据当地大量数据生成的,提高了身高预测的准确性,并针对bp表骨龄值不连续的问题提出分段比值法,进一步提高准确性。（3）实现青少年骨龄评估系统。在系统开发过程中主要分为服务端和客户端进行开发。客户端基于C#语言的Winform框架,客服端开发过程中主要的工作是对系统的界面进行布局、用户信息和患者信息的显示、与服务端进行数据的上传和接收、对各功能控件进行测试。服务端基于Java语言的Springboot框架,服务端开发过程中主要的工作是创建接收客户端数据的接口、对数据进行解析和保存、调用骨龄算法进行骨龄预测和身高预测以及响应客户端的请求。

关键词：骨龄预测身高预测 C/S DES算法数据加密

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的手骨X光片骨龄辅助检测

基于深度学习的手骨X光片骨龄辅助检测

引用

作者：苏叶南京师范大学

学位级别：硕士

骨龄(Bone Age)是骨骼年龄的简称,能够反映人类个体的生长发育水平和成熟程度。由于手腕部骨骼发育情况能够代表全身骨骼情况,并且该部位拍摄X光片时人体受到的辐射损伤最少,因而成为骨龄评价应用的主要部位。手骨骨龄检测被广泛应用在... 详细信息

骨龄(Bone Age)是骨骼年龄的简称,能够反映人类个体的生长发育水平和成熟程度。由于手腕部骨骼发育情况能够代表全身骨骼情况,并且该部位拍摄X光片时人体受到的辐射损伤最少,因而成为骨龄评价应用的主要部位。手骨骨龄检测被广泛应用在临床医学、法医学和运动医学等领域中。利用手骨X光片进行骨龄预测一直是国内外学者研究人类生长发育方向的热点问题。针对传统骨龄识别方法中存在的弊端,本文提出了基于深度学习的、由Inception V3和CBAM注意力机制构成的自动化骨龄预测方法。论文研究了骨龄X光图像的预处理、神经网络模型的训练、骨龄预测结果的可视化、以及远程骨龄辅助预测平台的设计,本文完成的主要研究工作及创新点如下:(1)本文采用了先分割、后图像增强的手骨X光片新的预处理方法,使手骨X光片图像成为高质量数据集,有利于训练得到优异的骨龄辅助预测模型。原始数据集图像存在曝光不当、前景背景灰度反差大以及背景中包含标尺、伪影等噪声信息,对图片整体进行增强往往无法得到理想结果。为了消除这些多余信息的干扰,突出与骨龄有关的主体部分,本文将手骨图像先通过U-Net网络分割去除背景,然后再对手骨主体部分进行局部灰度直方图均衡处理,最终得到大小统一、去除背景、手骨主体部分明暗分布均衡的图片。(2)为了实现较高精度的骨龄辅助预测,本文在基于Inception V3神经网络模型基础上,做了两个创新改进:1.考虑到不同性别在骨骼发育的显著差异,除了手骨图像像素为模型输入之外,增加了性别通道的输入,并将分类任务改为回归的方式;2.将近年来出现的注意力机制模块(CBAM)与Inception V3结合,设计了InceptionCBAM新型网络结构,提高了网络预测性能。(3)为了直观了解改进的网络预测模型所关注的手骨关节的重要区域,本文借鉴了应用于分类任务中的Grad-cam类激活映射方法,将其改造应用到回归任务中,产生了可解释的神经网络的可视化热力图。该热力图可以更好的向缺乏经验的医生展示判断该图像骨龄的关键区域,指导医生更快更准确的预测出结果。(4)设计并实现了将本文的骨龄预测模型部署到了云端,使得偏远地区医生能够便利的通过网络进行骨龄的辅助诊断。本文使用Flask框架尝试了简单的Web层应用开发,实现了一个简单的页面使用户能够上传影像并获取诊断的结果及关注区域热力图。

关键词：骨龄预测深度学习图像预处理 Inception V3 CBAM

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

手骨X光片骨龄预测中图像预处理的研究

引用

南京师范大学学报（工程技术版） 2021年第2期21卷 54-59页

作者：苏叶李婧徐寅林南京师范大学计算机与电子信息学院江苏南京210023

骨龄预测时,手骨X光片经常存在标尺、伪影、噪声、曝光不当等缺陷.采用常规的滤波加深度学习神经网络等模型进行预测往往正确率不高.提出一种X光片骨龄辅助预测的预处理方法,包括使用专门用于生物医学图像分割的U-Net网络将X光片中手骨... 详细信息

骨龄预测时,手骨X光片经常存在标尺、伪影、噪声、曝光不当等缺陷.采用常规的滤波加深度学习神经网络等模型进行预测往往正确率不高.提出一种X光片骨龄辅助预测的预处理方法,包括使用专门用于生物医学图像分割的U-Net网络将X光片中手骨分割出来,使用图像二值化对U-Net生成的掩模进行去除背景处理,使用灰度直方图均衡的办法解决图像过亮或过暗的问题.经上述精细预处理后,再进行深度学习神经网络预测,实验结果表明精细的预处理对实验结果有很好的改进作用.

关键词：骨龄预测预处理灰度直方图均衡 U-Net网络深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：