基于改进Alex Net的手腕骨图像成熟等级识别

摘要

CHN法是目前适用于我国评估骨龄的方法之一,其评估骨龄最关键的步骤是对手腕骨图像的成熟等级评定.传统的方法是由医学专家人工阅片,不仅工作量大、耗时长,评定的准确性还受到人的主观因素干扰.为了提高骨骼等级识别的准确率,提出了一种基于改进AlexNet的手腕骨图像等级识别方法,将优化的空间变换网络加入到A lex N et网络结构中,对特征图进行旋转、平移和缩放等变换操作以获取更有辨识度的特征信息;采用Maxout激活函数作为网络中卷积层的激活函数,训练手腕骨图像成熟等级识别模型.实验结果表明:相比于原始AlexNet网络与其他几个常见的卷积神经网络,改进的AlexNet网络提高了网络模型对头状骨、钩骨、掌骨Ⅰ、远节指骨Ⅰ和中节指骨Ⅴ等成熟等级识别的准确率,分别达到了88.39％,85.35％,79.69％,79.41％ 和81.29％.该方法可以为基于深度学习的骨龄评估方法提供新的技术参考.