摘要
针对人工骨龄评估效率低、主观性强的问题,设计了一种基于深度学习的骨龄评估实验系统。该系统首先通过U-Net网络分割手骨区域,并结合局部直方图均衡化与中值滤波进行图像增强与去噪。核心评估模型采用Inception-V4架构,并集成高效通道注意力(ECA)模块,以增强对关键骨骼发育区域的特征提取能力。为进一步提升模型可解释性,利用Grad-CAM方法生成热力图,以可视化模型决策依据。最终,构建了用户界面以集成评估流程。实验结果表明,该系统能有效提升骨龄评估的准确性,其可解释性为临床医生理解和信任AI决策提供了依据。
出处
《电脑知识与技术》
2025年第32期10-13,共4页
Computer Knowledge and Technology
基金
2024年度江苏省高职院校教师访学研修项目个人访学研修(2024GRFX016)
2023年度天津市教改项目“新工科背景下沉浸式产教融合的电子信息类人才培养模式研究与实践”(B231006002)
2022年度天津理工大学教改重点项目“高教数字化转型下《高频电子线路》跨地区联动教学创新与实践”(ZD22-08GJ)
2024年度教育部“基于‘三四三’模式的电子信息类实验实践教学体系改革与实践”(SYJX2024-022)
2023年度天津市重点教改项目“基于‘三融合’的电子信息类创新人才培养的探索与实践”(A231005509)
2023年度天津市电子信息现代产业学院阶段性研究成果。
