Utförande av det diagnostiska värdet av programvara för bestämning av benålder baserad på djupinlärning hos kinesiska barn

Hög noggrannhet och precision bestämning av benålder är mycket viktig för diagnos och behandlingsövervakning av olika pediatriska sjukdomar. De vanligaste metoderna för bestämning av benålder inkluderar GP-atlas, TW3-poäng och Zhonghua 05. GP metod är att jämföra handledsröntgenfilmer med atlasreferensröntgenfilmer. Dess främsta nackdelar är stark subjektivitet och långa atlasstandardintervall. Till skillnad från GP-metoden är TW3-metoden att gradera och poängsätta varje ben, lägga till varje epifysvärde för att beräkna den totala poängen för benmognad och erhålla motsvarande slutliga benåldersvärde. Även om TW3-poängmetoden är relativt exakt, är den komplex och tidskrävande, och det finns stor variation mellan utvärderare. För att utvärdera benåldern mer effektivt och noggrant kan en metod baserad på teknik för automatisk igenkänning av datorbilder hjälpa till att övervinna dessa problem.

I denna studie väljs 1000 barn i åldrarna 1-18 år på 5 sjukhus ut som forskningsobjekt. Efter att ha tagit benåldersfilmer med benåldersinstrument, registreras filmavläsningsresultaten och utvärderingstiden för AI-grupp, artificiell grupp och standardgrupp. En månad senare analyserar den konstgjorda gruppen 1000 filmer på nytt med hjälp av AI-systemet och utvärderingstiden registreras. Slutligen jämförs noggrannheten och tidsskillnaden för artificiell grupp, AI-grupp, artificiell kombinerad AI-grupp och standardgrupp.

Syftet med denna studie är att använda den mest avancerade artificiella intelligensen för djupinlärning av benåldersutvärderingsmjukvara för att utforska värdet av benåldersinstrument för att förbättra noggrannheten och den diagnostiska effektiviteten av benåldersutvärdering av barnläkare.