采用新型深度学习训练框架，有效提升骨龄产品的临床适用性

创新科研成果

在被MICCAI 2020提前接收的深睿医疗骨龄产品线科研成果中，科研团队发表的题为《Towards Robust Bone Age Assessment: Rethinking Label Noise and Ambiguity》的论文提出了一种适用于TW3法的两阶段的深度学习训练框架，分治的解决标注噪声和影像歧义性问题，有效提高了骨龄评估模型的准确度。

骨龄是评价青少年儿童生物年龄的主要方法，在临床医学、法医学和运动医学等领域有着广泛的应用。应用TW3法的挑战之一是骨成熟度发育等级评价的歧义性：骨发育是连续的过程，因此很多骨骺是处于邻近的两个等级之间，迫使医师按照个人经验来取舍。拍摄角度的不理想、手腕部的旋转会加剧该问题。另一个问题是标签噪声。通常采用多人标注抑制噪声，但会使得标注成本倍增。本文则探索一种有效的单人次标注抑制噪声的方法，提高标注效率。

▲受人类专家骨龄评估方式的启发，科研团队将骨骺局部的影像特征和相关骨骺的上下文信息结合起来，引入图卷积神经网络模块，对临近骨骺的生长发育模式进行建模。实验表明，该框架明显超过了已有文献报告的TW3骨龄评估算法

针对上述问题，深睿医疗科研团队在本次所发表的论文中，提出适用于TW3等计分法的两阶段的深度学习训练框架，在第一阶段聚焦于修正明显错误的标签，第二阶段解决带有歧义性的难例学习，如手摆位不规范、异物遮挡等。受人类专家阅片方式的启发，我们将骨骺局部的影像特征和图卷积网络学习的上下文信息融合起来训练模型。实验表明，该框架明显超过了已有文献报告的TW3骨龄评估算法: 以六位专家均值为参考标准，取得了2.6月的平均绝对误差。

产品的发展离不开先进科研成果的转化，科研成果价值的释放依托产品的应用。为此深睿医疗致力于将科研成果应用在产品性能的提升上，在骨龄评估产品方面，基于深睿医疗自主研发的骨龄深度学习算法模型，研发出的Dr.Wise^®儿童生长发育 AI评估系统，伴随着最新科研成果的赋能，将在原有产品功能基础上，实现骨龄评估结果准确度的全面提升。

目前该款骨龄评估产品已在包括首都儿科研究所附属儿童医院、复旦大学附属儿科医院等在内的全国数百家医院推广应用，帮助实现对儿童手部X光片进行骨骺智能识别，进行自动骨骺等级评估和骨龄计算，结合其他相关问诊信息，医院可为儿童提供生长发育评估报告，相比传统的人工评测，使用人工智能后可有效的抓住关键部位的深度特征，使得骨龄评估更加精准，完成整个评测过程只需几秒钟，极大地提升了医生的诊疗效率。

在接下来的发展中，深睿医疗将充分发挥自身行业技术优势,加大在核心技术方面的投入，深度挖掘人工智能的创新应用，加速 AI 前沿理论成果转化，促进AI医疗产业化的蓬勃发展。

文章详情

Towards Robust Bone Age Assessment: Rethinking Label Noise and Ambiguity,MICCAI 2020 early accept,Ping Gong, Zihao Yin, Yizhou Wang, Yizhou Yu

更多精彩阅读

凝聚AI力量，助推智慧医疗发展未来

持续发力新基建！深睿医疗斩获

雷锋网2020最佳新基建成长奖

牵头国家重点研发计划重点专项

引领AI视障辅助技术未来

MICCAI 2020 | 深睿医疗8篇高新科研成果

呈现医疗影像领域新突破