基于深度学习从骨盆 X 线片估算儿童实际年龄：一项多中心回顾性研究

《European Radiology》：Pediatric chronological age estimation from pelvic radiographs using deep learning: a multicenter retrospective study

　　

摘要

研究目的

骨盆骨在成熟过程中会表现出多个次级骨化中心，这使得自动年龄估算成为可能。本研究旨在探讨一种深度学习模型是否能够基于骨盆X线片，在整个儿童年龄段范围内估算时序年龄。

材料与方法

本回顾性研究纳入了来自两家医院、用于模型开发的骨盆X线片，患者年龄介于0至18岁之间。采用DenseNet161模型进行训练，将年龄划分为19个1年间隔类别，以时序年龄为参考标准，并使用条件有序回归（CORN）损失函数。外部验证采用两个独立队列进行，包括来自同一家医院不同科室的541张X线片和来自外部医院的203张X线片。外部验证在两个独立队列的744张X线片上进行。模型性能通过预测年龄与真实时序年龄之间的误差在1年以内的准确率（ACC@dist = 1）和平均绝对误差（MAE）进行评估。

结果

模型开发共纳入3972张X线片（中位年龄2.5岁；四分位间距0–8岁；2463例男性）。在内部测试集上，模型的MAE为0.394年（女孩：0.360；男孩：0.419），ACC@dist = 1为0.937（女孩：0.944；男孩：0.931）。在外部测试集上，相应值分别为0.513年（女孩：0.628；男孩：0.455）和0.927（女孩：0.896；男孩：0.943）。

结论

利用深度神经网络基于骨盆X线片对儿童进行自动年龄估算是可行的。

要点

问题 骨盆X线片在儿童中普遍存在，但其在全年龄段儿童中用于自动时序年龄估算的潜力尚未得到探索。

发现 一种深度学习模型基于骨盆X线片估算时序年龄，在内部测试集上的平均绝对误差为0.394年，在外部测试集上为0.513年。

临床意义 基于深度学习的骨盆X线片时序年龄估算在全年龄段儿童中是可行的。该方法可以从因其他临床指征已拍摄的影像中提取具有临床相关性的骨骼成熟数据。

图形摘要