论文部分内容阅读
目的
构建基于深度学习的儿童骨龄人工智能（AI）评估模型，并进行初步的临床验证。
方法回顾性连续纳入2018年3月至8月无锡市儿童医院儿童骨龄DR片5 000例，按年龄段等比例采样原则训练集纳入2 351例，验证集101例。由4名放射学专家采用中华05RUS-CHN法，双盲评估关键骨骺发育等级，取专家骨龄评测的均值为参考金标准。采用深度学习方法训练并建立骨龄评估AI模型，另选2名儿童影像住院医师人工测评验证集骨龄，作为临床验证对照组。计算AI模型和2名住院医师骨龄测评的准确率、平均绝对误差（MAE）、均方根误差（RMSE）及耗时，并采用配对t检验和F检验及χ2检验比较。
结果AI模型与参考金标准之间的MAE为（0.37±0.35）年，RSME为0.50年，完成1份骨龄评价报告用时（4.58±0.91）s。2名住院医师和AI模型评价的MAE、RSME差异均无统计学意义（P>0.05），评价用时明显长于AI，差异有统计学意义（P<0.05）。当误差范围在±1.0岁、±0.7岁及±0.5岁以内，AI模型评价验证集准确率分别为94.1%（95/101）、89.1%（90/101）和74.3%（75/101），AI评测骨龄与2名医师之间的准确率差异均无统计学意义（P>0.05）。
结论构建的基于深度学习的儿童骨龄评估AI模型具有可行性，并具有准确性高以及耗时短的特点。