骨龄评估问题讨论

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
来自百度文库
区分视网膜OCT黄斑变 性和糖尿病视网膜病变
区分儿童胸片细菌 性和病毒性肺炎
延伸
• 研究人员收集了5232张儿童胸部X光片,用 于AI系统的训练。其中,3883张和肺炎有关 (2538张为细菌性肺炎,1345张为病毒性 肺炎),其余1349张为正常。类似的,研 究人员随后用来自624名患者的胸部X光片 对这一模型进行了测试。 • 张康表示,“对于肺炎图像,我们的AI工具 不光能鉴别肺炎和正常胸部X线平片,还能 区分肺炎的病原体为细菌还是病毒,准确 率可达90%以上。”
人工智能时代
• 人工智能在医疗领域的应用已非常丰富。包括就诊前疾病 的筛查、预防,就诊中医疗图像辅助诊断、检验结果分析 、手术辅助,以及就诊后的医疗随访、慢性病监测、康复 协助、健康管理,甚至还能用于基础科研辅助、药物研发 、基因筛选分析、医疗培训等等,具有极为广阔的发展空 间和应用前景。 • 现阶段AI作用是辅助医生而非取代,其最容易被取代的仍 然还只是比较单一的、流水线作业式的工作。
• a Input输入 radiographs. The images have been transformed to a square shape for consistent layout. • b Normalized标准化 images with consistent grayscale base and image size. • c Label标记 maps of hand (white) and non-hand (black) classes. • d Generated生成 masks for segmentation. • e Final preprocessed images预处理
根据骨骺的大小、形状、密度、边界的厚度以及光滑度、骨骺 线厚度、融合封闭的程度分期ABCE() EFG(构形期,青春期 前) HI(成熟期) 分为手 腕 部 桡 尺、 掌 指 骨( radius, ulna and shortbones, RUS) 和 腕 骨(carpal,CARP),即 R和C 中华 05 系列中的 RUS法提出了适用于中国人群的TW3法 计分法相对准确,但繁杂费时 参照 TW系列手腕部骨骼形态的划分等级,重新为14块手腕部 各发育等级赋分,样本来源于20世纪 80 年代末经济中上层家庭 的健康儿童。 TW计分法
• Kappa值≤o.4,表明评价SA测定一致性较差,0.4<Kappa 值≤o.6,表明一致性中等,Kappa值>o.6,表明一致性较高;Kappa>0 .8,则表明一致性极高
骨龄测定的一致性评价 白万晶 宁刚 中华妇幼临床医学杂志(电子版)2010年
问题3
骨龄算法网络化的时间及一致性方面怎样? • 网络TW2骨龄算法的准确性和可重复性优 于人工判读 • 缩短了骨龄计算时间(分别为3~5 min和15 ~20 min) • 分级一致的骨数为838块,占总数的83.8%, 两者一致率的差异具有统计学意义
问题5
骨龄的计算机识别
• 采用计算机实现骨骼等级评定 ,存在两个主要问 题 :一是 ,如何对待测图像中的目标骨骼进行有 效分割 ;二是 ,如何将骨骼各等级描述准确地翻 译成计算机语言进行特征提取 • 选取了灰度特征 、纹理特征以及融合度作为骨龄 特征参数实现桡骨的有效分割 • 设计 k 近邻分类器对骨龄特征数据进行等级分类
放射科网络共享Tanner.Whitehouse算法的研究 邹诚实岑婷 中华放射学杂 志2008年11月第42卷第11期
问题4
自动评价的优点 • 每张评估时间约为14.5 S • 2次抽样评估结果完全一致 • 骨龄评估结果与实际年龄间差异有统计学 意义, 但差异均值均在1 S左右
自动骨龄评估软件BoneXpert对中国(上海)儿童青少年的适用性研究 蔺芳琴张 骥朱珍 中华实用儿科临床杂志2014年12月第29卷第23期
三种骨龄评价方法在3-17岁儿童临床应用中的一致性比较研究 张鹏飞 李 辉 中国循证儿科杂志2017年8月第1卷第 4 期
建议
• GP是一个可以快速得到骨龄的方法,但在 青春期快速发育时期,单纯采用 GP法评 价骨龄时,会存在精度不够的问题 • 有精力的医生可以采用逐块骨评价的方法 ,逐块对照 GP 图谱分别评价手腕部 30 块骨求平均值,或者直接掌握一种计分法

朱翔宇,欧阳斌 基于中华 05 骨龄标准的桡骨骨龄等级计算机评定系 统的设计 体育科学 2016 年(第 36 卷)第 9 期
问题6
Deep learning for automated skeletal bone age assessment in X-ray images stage of preprocessing:
CHN05
骨龄计算机评价 目前世界上没有得到广泛认可的骨龄计算机评价系 系统 统,报道中所选择的手腕骨评价部位不一 ,采用的数字图像处 理技术也不相同,近年来国外研究者提出各种的图像处理技术 得 到 的 骨 龄 评 定 系 统 的 准 确 率 范 围 为 63 % ~ 94% 算法网络化,计算机识别,深度学习
• 访问有高质量注释图的大型数据库,是人工智能深度学习 模型成功的先决条件。
• 如何利用人工智能将放射科医生从庞杂的看片工作中解放 出来
基于图像的 深度学习
张康教授:领导的广州妇女
儿童医疗中心和加州大学圣迭 戈分校团队,使用迁移学习” (transfer learning algorithm )替代算法耗时且昂贵的传统 的人工智能
骨龄评估 (Bone Age Assessment,BAA)
柏梅 复旦大学附属儿科医院 放射科
骨龄的定义
骨龄评估方法
骨龄评估方法
GP图谱法 20世纪 30-50年代白人上层人群,近年来欧洲一些国家重新对 GP 法的适用性进行评估,发现 GP 法仍适用于欧洲大部分人群; 图谱法直观简洁,但是人为误差大
问题
• 两个不同的人用TW3法评估骨龄的差异大吗 • 图谱法和TW3计分法在评估骨龄上有差异吗 ? • 骨龄算法网络化的时间及一致性方面怎样 ? • 自动评价系统的优点 • 骨龄的计算机识别 • 基于深度学习的骨龄评估
问题1
图谱法和TW3计分法在评估骨龄上有差异吗?
• 3种方法CHN法评价骨龄最大, TW3-RUS法最小,GP法居 中 • 男、女童的所有年龄组 3 种方法评价的最大骨龄与最小 骨龄的差值随年龄增大而增大。 • 男童 3-4岁骨龄和 -6 岁TW3-RUS法与GP 法一致性良好,女 童 3-4岁骨龄 CHN 法与 TW3-RUS法、-8岁骨龄 TW3-RUS法 与 GP法一致性良好,女童未发育组 TW3-RUS法与 GP 法一 致性良好,余男、女童不同骨龄和发育情况3种骨龄测量 法一致性差。 • CHN法、 GP 法与 TW3-RUS法测得的骨龄的差别主要在男 11岁、女 9岁和进入青春期后
• 放射科医生在给出骨龄结果时应注明测评 骨龄时所用方法
问题2
两个不同的人用TW3法评估骨龄的差异大吗 • 单个骨骺/总体 观察者间人工评级的一致性较高性(
总体:Kapp0.776)
• 差异最低的是第三掌骨(0.703),最高的是第一近节指 骨(0.964) • 差异主要集中在E,F和G三期(构形期,青春期前) • 实际工作中常遇见不典型的形态学征象,尤其是摄 片时体位不标准,可能加大评价难度
相关文档
最新文档