彭麗琴，萬(wàn)雷，汪茂文，李卓，王鵬，劉太昂，王亞輝，趙虎

（1.中山大學(xué)中山醫(yī)學(xué)院法醫(yī)學(xué)系 廣東省法醫(yī)學(xué)轉(zhuǎn)化醫(yī)學(xué)工程技術(shù)研究中心，廣東 廣州 510080；2.司法鑒定科學(xué)研究院 上海市法醫(yī)學(xué)重點(diǎn)實(shí)驗(yàn)室 司法部司法鑒定重點(diǎn)實(shí)驗(yàn)室 上海市司法鑒定專業(yè)技術(shù)服務(wù)平臺(tái)，上海 200063；3.上海真譜信息科技有限公司，上海 200444）

骨齡是基于個(gè)體骨骼成熟度進(jìn)行的年齡估計(jì)，代表人體的生物學(xué)年齡。臨床上常用于對(duì)兒童青少年的發(fā)育情況評(píng)估，法庭科學(xué)中常用于對(duì)青少年犯罪嫌疑人的定罪量刑。傳統(tǒng)的骨齡評(píng)估方法主要是通過影像片人工讀取骨骺干骺端的發(fā)育形態(tài)，其中使用最廣泛的是Greulich-Pyle圖譜法[1]和Tanner-Whitehouse法[2]。但是人工讀片效率較低，且閱片者之間存在不可避免的內(nèi)部差異性。因此，從20世紀(jì)80年代末開始，研究學(xué)者們開始探尋將骨齡評(píng)估計(jì)算機(jī)自動(dòng)化[3-4]。其中，機(jī)器學(xué)習(xí)成為最受關(guān)注的技術(shù)，并應(yīng)用于骨齡評(píng)估。

機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，其核心是使用算法解析數(shù)據(jù)，然后對(duì)某件事情做出決定或預(yù)測(cè)。該過程可以看作是尋找一個(gè)函數(shù)，輸入是樣本數(shù)據(jù)，輸出是期望的結(jié)果。2006年，HINTON等[5]提出的深度學(xué)習(xí)（deep learning，DL）算法是其中最具代表性的算法之一，從海量的訓(xùn)練數(shù)據(jù)集中自動(dòng)學(xué)習(xí)任務(wù)相關(guān)特性及多層網(wǎng)絡(luò)模型的構(gòu)建，大大提升了分類、預(yù)測(cè)結(jié)果的準(zhǔn)確性。目前已被廣泛應(yīng)用于醫(yī)學(xué)圖像領(lǐng)域，如肺結(jié)節(jié)良惡性的預(yù)測(cè)[6]、前列腺癌的診斷[7]、鼻咽癌的預(yù)后估計(jì)[8]、骨齡評(píng)估[9]等。2017年，北美放射學(xué)會(huì)舉行的骨齡評(píng)估挑戰(zhàn)賽[10]中，排名前三的人工智能技術(shù)均為DL算法。

對(duì)于青少年骨齡評(píng)估而言，目前國(guó)內(nèi)外絕大多數(shù)學(xué)者使用的是手腕關(guān)節(jié)X線影像學(xué)圖片[11-14]，因?yàn)槭滞箨P(guān)節(jié)中包含長(zhǎng)管狀骨、短管狀骨及不規(guī)則骨等多種形態(tài)的骨骼，掌指骨、尺橈骨以及腕骨可以不同程度地反映全身各大關(guān)節(jié)不同形態(tài)骨骼的發(fā)育狀況[15]。此外，手腕關(guān)節(jié)攝片較為簡(jiǎn)便，X線攝片對(duì)個(gè)體的電離輻射較小，可滿足醫(yī)學(xué)倫理學(xué)的基本要求。但使用手腕關(guān)節(jié)X線影像學(xué)資料進(jìn)行青少年骨齡評(píng)估具有一定的局限性，因?yàn)槭滞箨P(guān)節(jié)骨骼在18.0周歲左右已趨于閉合，這對(duì)于超過18.0周歲青少年群體的骨齡評(píng)估價(jià)值相對(duì)較弱，而18.0周歲是我國(guó)司法體系中一個(gè)重要的年齡節(jié)點(diǎn)。骨盆的髂嵴、坐骨結(jié)節(jié)骨骺則成熟相對(duì)較晚[16-17]，而且骨盆的繼發(fā)骨化中心出現(xiàn)較晚，如髂嵴、坐骨繼發(fā)骨化中心在11.0～12.0周歲才開始出現(xiàn)，至20.0周歲時(shí)，骨骺方趨于閉合[18]。因此，這完全符合《中華人民共和國(guó)刑事訴訟法》規(guī)定的14.0、16.0、18.0周歲的骨齡判斷，采用骨盆X線影像學(xué)資料較好地彌補(bǔ)了青少年手腕關(guān)節(jié)骨齡評(píng)估的年齡缺陷。本研究擬選用VGG19、Inception-V3和Inception-ResNet-V2 3種經(jīng)典的圖像識(shí)別DL網(wǎng)絡(luò)模型對(duì)我國(guó)漢族人群骨盆X線片進(jìn)行骨齡評(píng)估研究，并對(duì)3種DL網(wǎng)絡(luò)模型的性能進(jìn)行比較。

1 材料與方法

1.1 樣本收集

本研究調(diào)取了962例漢族11.0～＜21.0歲男、女性骨盆X線影像學(xué)資料作為數(shù)據(jù)集，上述骨盆X線影像學(xué)資料拍攝于2005—2018年上海市（200例）、浙江省（222例）、海南省（123例）、吉林省（128例）及河南?。?89例）5個(gè)省市的醫(yī)院。其中男性481例，女性481例。上述個(gè)體的生活年齡來自其身份證或戶籍信息。

納入標(biāo)準(zhǔn)：體檢確認(rèn)身體健康，營(yíng)養(yǎng)狀況良好。采用馬爾丁金屬測(cè)量計(jì)、經(jīng)校準(zhǔn)的杠桿秤分別測(cè)身高、體質(zhì)量，選擇在“國(guó)人正常身高、體質(zhì)量范圍調(diào)查表”[19]規(guī)定范圍內(nèi)的個(gè)體作為研究對(duì)象。排除標(biāo)準(zhǔn)：參加特殊文藝、體育訓(xùn)練的個(gè)體，服用影響骨骼發(fā)育藥物史的患者，有影響骨骼發(fā)育疾病史或外傷史的患者。從上述男、女性青少年骨盆X線片樣本集中采取隨機(jī)抽樣的方法抽取80%作為訓(xùn)練和驗(yàn)證集，用于模型擬合和超參數(shù)的調(diào)整；20%作為測(cè)試集，用于評(píng)估模型泛化能力。如圖1所示。

本研究符合醫(yī)學(xué)倫理學(xué)有關(guān)條款規(guī)定。

圖1 訓(xùn)練和驗(yàn)證集、測(cè)試集樣本分布Fig.1 Distribution of training and validation set and test set

1.2 方法

1.2.1 圖像預(yù)處理

（1）骨盆骨骼X線片為DL網(wǎng)絡(luò)模型的信息來源，采用python 3.7軟件對(duì)圖像進(jìn)行預(yù)處理。人工裁減掉圖像上的無關(guān)字符，如片號(hào)、姓名、拍攝日期以及醫(yī)院名稱等內(nèi)容。

（2）將圖像縮放至同一尺寸：通過雙線性插值，將圖像統(tǒng)一縮放至256像素×256像素。

（3）隨機(jī)旋轉(zhuǎn)：骨盆X線片的旋轉(zhuǎn)理論上不應(yīng)該影響對(duì)年齡的回歸預(yù)測(cè)，為了增加模型的泛化能力，對(duì)所有的圖像都會(huì)進(jìn)行-30°～30°的隨機(jī)旋轉(zhuǎn)（圖2）。

圖2 圖像旋轉(zhuǎn)示意圖Fig.2 Diagram of image rotation

（4）調(diào)整圖像對(duì)比度、亮度：對(duì)比度是指一幅圖像中明暗區(qū)域最亮的白和最暗的黑之間不同亮度層級(jí)的測(cè)量，即指一幅圖像灰度反差的大小。亮度是指照射在景物或者圖像上光線的明暗程度。骨盆圖像對(duì)比度、亮度的變化，理論上不應(yīng)該影響對(duì)年齡的回歸預(yù)測(cè)，為了增加模型的泛化能力，隨機(jī)調(diào)整X線片對(duì)比度（調(diào)節(jié)因子為0.5），并均勻選擇亮度因子（調(diào)節(jié)因子為0.5～1.5），對(duì)圖像進(jìn)行亮度調(diào)整（圖3）。

圖3 圖像亮度調(diào)整示意圖Fig.3 Schematic diagram of image brightness adjustment

1.2.2 模型訓(xùn)練

（1）網(wǎng)絡(luò)結(jié)構(gòu)的選擇

DL卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）因引入了權(quán)值共享、局部互聯(lián)、閾值激活的方法，使得神經(jīng)網(wǎng)絡(luò)更符合生物神經(jīng)元的稀疏性和有效性。CNN可擴(kuò)展性強(qiáng)，通過多層疊加，可以實(shí)現(xiàn)不同特征的提取，通常淺層次的神經(jīng)元提取淺層特征（如直線和圓?。Ｍㄟ^前面的層層組合，深層次的神經(jīng)元就可以提取出類似骨骺的外觀、形態(tài)、大小等復(fù)雜特征。由于具備以上優(yōu)點(diǎn)，CNN近年來在圖像識(shí)別、回歸預(yù)測(cè)等方面被廣泛應(yīng)用。其無需人為提取特征，而是將整張圖像直接輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自己提取特征并回歸識(shí)別，不同層次的網(wǎng)絡(luò)會(huì)提取不同的特征[20]。

通常一個(gè)CNN由卷積層、激活層、池化層、損失函數(shù)層組成。卷積層的目的是提取輸入對(duì)象的不同特征，網(wǎng)絡(luò)層數(shù)更多則能從低級(jí)特征中迭代提取更復(fù)雜的特征。激活層用于增強(qiáng)判定函數(shù)和整個(gè)神經(jīng)網(wǎng)絡(luò)的非線性特性。池化層的主要作用為降采樣，即減少參數(shù)的數(shù)量和計(jì)算量。損失函數(shù)層主要是度量神經(jīng)網(wǎng)絡(luò)的輸出的預(yù)測(cè)值與實(shí)際值之間的差距，通常是網(wǎng)絡(luò)的最后一層，各種不同的損失函數(shù)適用于不同類型的任務(wù)。本研究類型屬于回歸問題，因此選用均方根誤差（root mean square error，RMSE）作為損失函數(shù)層。

在ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)大賽上，從AlexNet[21]開始涌現(xiàn)出一大批超越人工識(shí)別準(zhǔn)確率的網(wǎng)絡(luò)。VGGNet[22]證明了2個(gè)3×3的卷積核可以替代1個(gè)5×5的卷積操作，有效降低了參數(shù)量，并提升了準(zhǔn)確率。GoogLeNet[23]第一次組合不同大小卷積核提取的特征。ResNet[24]提出使用殘差結(jié)構(gòu)，可以使網(wǎng)絡(luò)更好地關(guān)注高頻差異信息，使得網(wǎng)絡(luò)可以變得更深，大幅提升了準(zhǔn)確率。DenseNet[25]提出密集連接的思想，將卷積神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率推上了又一個(gè)臺(tái)階。因此，本研究將借鑒已有的模型（https://github.com/pytorch/vision/tree/master/torchvision/models）來進(jìn)行遷移學(xué)習(xí)，這樣既能保證網(wǎng)絡(luò)的深度特征提取，又能降低學(xué)習(xí)的成本。本研究選取VGG19、Inception-V3和Inception-ResNet-V2 3種結(jié)構(gòu)[26]進(jìn)行對(duì)比實(shí)驗(yàn)。其中VGG19是由VGG16發(fā)展而來，加深了網(wǎng)絡(luò)層數(shù)；Inception-V3是由GoogLeNet發(fā)展而來，通過并行的卷積和不對(duì)稱卷積，利用更少的參數(shù)獲取更好的結(jié)果；增加網(wǎng)絡(luò)的深度和寬度都會(huì)提升網(wǎng)絡(luò)的性能，Inception-ResNet-V2堅(jiān)固了深度和寬度兩方面特性，理論上可以使得網(wǎng)絡(luò)性能達(dá)到最佳。

（2）參數(shù)的設(shè)置及算法優(yōu)化

本研究使用遷移學(xué)習(xí)，即在訓(xùn)練前加載3種模型已經(jīng)在ImageNet上訓(xùn)練好的權(quán)重作為初始權(quán)重，之后在自己的數(shù)據(jù)集上進(jìn)行再學(xué)習(xí)。采用Adam優(yōu)化算法對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行訓(xùn)練，將訓(xùn)練次數(shù)設(shè)置為200輪，訓(xùn)練的最小批量數(shù)是32。動(dòng)量值為0.9，參數(shù)以0.0005的衰退值下降，以樣本的圖像為輸入，樣本的生活年齡作為模型訓(xùn)練的目標(biāo)值。每一輪訓(xùn)練結(jié)束都在驗(yàn)證集上測(cè)試結(jié)果，保存在驗(yàn)證集上表現(xiàn)最好的模型參數(shù)。3種模型示意圖分別見圖4～6。

1.3 仿真環(huán)境與數(shù)據(jù)分析

本研究基于i9-9900K+RTX 2080Ti硬件平臺(tái)的win10操作系統(tǒng)。算法開發(fā)過程借助PyCharm軟件（美國(guó)Jetbrains公司）和開源工具Jupyter Notebook 6.0.2（美國(guó)Patent&Trademark辦公室），并使用Anaconda進(jìn)行開發(fā)環(huán)境管理。語(yǔ)言環(huán)境基于Keras-GPU以及python 3.7。采用python 3.7統(tǒng)計(jì)3種模型測(cè)試集男、女性各年齡段的年齡（）、RMSE、平均絕對(duì)誤差（mean absolute error，MAE）指標(biāo)。繪制Bland-Altman散點(diǎn)圖計(jì)算預(yù)測(cè)數(shù)據(jù)的95%一致性界限（95% limits of agreement，95%LOA），以評(píng)估3種模型的預(yù)測(cè)性能。同時(shí)，采用SPSS 21.0軟件（美國(guó)IBM公司）對(duì)3種模型RMSE、MAE值進(jìn)行配對(duì)t檢驗(yàn)，檢驗(yàn)水準(zhǔn)α=0.05。

圖4 VGG19模型示意圖Fig.4 Schematic diagram of VGG19 model

圖5 Inception-V3模型示意圖Fig.5 Schematic diagram of Inception-V3 model

圖6 Inception-ResNet-V2模型示意圖Fig.6 Schematic diagram of Inception-ResNet-V2 model

2 結(jié)果

2.1 各年齡組測(cè)試集的年齡、RMSE、MAE

VGG19網(wǎng)絡(luò)模型中，RMSE范圍為0.59～2.01歲，平均RMSE為1.29歲；MAE范圍為0.49～1.74歲，平均MAE為1.02歲。其中12.0～＜13.0歲年齡組總測(cè)試集的RMSE值和MAE值最低，分別為0.85歲和0.68歲；11.0～＜12.0歲年齡組的RMSE值和MAE值最高，分別為1.73歲和1.42歲，結(jié)果見表1。

Inception-V3模型中，RMSE范圍為0.50～2.88歲，平均RMSE為1.17歲；MAE范圍為0.36～2.12歲，平均MAE為0.82歲。其中20.0～＜21.0歲年齡組總測(cè)試集的RMSE值和MAE值最低，分別為0.70歲和0.54歲；11.0～＜12.0歲年齡組的RMSE值和MAE值最高，分別為2.30歲和1.62歲，結(jié)果見表2。

Inception-ResNet-V2模型中，RMSE范圍為0.41～2.14歲，平均RMSE為1.11歲；MAE范圍為0.32～1.78歲，平均MAE為0.84歲。其中18.0～＜19.0歲年齡組總測(cè)試集的RMSE值和MAE值最低，分別為0.49歲和0.38歲；20.0～＜21.0歲年齡組的RMSE值和MAE值最高，分別為1.54歲和1.18歲，結(jié)果見表3。

2.2 3種CNN模型RMSE、MAE的統(tǒng)計(jì)學(xué)檢驗(yàn)

將3種CNN模型的RMSE、MAE分別進(jìn)行配對(duì)t檢驗(yàn)，結(jié)果顯示：VGG19模型的MAE與Inception-ResNet-V2模型的MAE之間差異有統(tǒng)計(jì)學(xué)意義（P=0.020），VGG19模型的RMSE與Inception-ResNet-V2模型的RMSE之間差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。VGG19模型與Inception-V3模型相比，RMSE、MAE之間差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。Inception-V3模型的RMSE、MAE與Inception-ResNet-V2模型相比，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。

表1 漢族男、女性骨盆圖像VGG19模型獨(dú)立測(cè)試集預(yù)測(cè)結(jié)果Fig.1 The prediction results of the independent test set of the VGG19 model of the pelvic images of male and female Han nationality

表2 漢族男、女性骨盆圖像Inception-V3模型獨(dú)立測(cè)試集預(yù)測(cè)結(jié)果Fig.2 The prediction results of the independent test set of the Inception-V3 model of the pelvic images of male and female Han nationality

表3 漢族男女性骨盆圖像Inception-ResNet-V2模型獨(dú)立測(cè)試集預(yù)測(cè)結(jié)果Fig.3 The prediction results of the independent test set of the Inception-ResNet-V2 model of the pelvic images of male and female Han nationality

2.3 測(cè)試集Bland-Altman散點(diǎn)圖分布

3種CNN模型測(cè)試集的預(yù)測(cè)年齡與生活年齡的Bland-Altman散點(diǎn)圖（圖7）顯示：VGG19網(wǎng)絡(luò)模型的預(yù)測(cè)年齡與生活年齡的平均差值的絕對(duì)值為0.16歲，95%LOA為-2.34～2.67歲；Inception-V3網(wǎng)絡(luò)模型的預(yù)測(cè)年齡與生活年齡的平均差值的絕對(duì)值為0.26歲，95%LOA為-2.51～1.98歲；Inception-ResNet-V2網(wǎng)絡(luò)模型的預(yù)測(cè)年齡與生活年齡的平均差值的絕對(duì)值為0.08歲，95%LOA為-2.25～2.10歲。其中Inception-ResNet-V2網(wǎng)絡(luò)模型的散點(diǎn)圖更為集中分布，Inception-V3模型分布在界限外的點(diǎn)數(shù)最少，而VGG19網(wǎng)絡(luò)模型的散點(diǎn)圖分布相對(duì)離散。

圖7 模型測(cè)試集預(yù)測(cè)年齡與生活年齡的Bland-Altman散點(diǎn)圖Fig.7 Bland-Altman plot of the prediction age estimated by 3 models on test set and real chronological age

3 討論

近年來，機(jī)器學(xué)習(xí)在自動(dòng)駕駛[27]、計(jì)算機(jī)視覺[28]、語(yǔ)音識(shí)別[29]、醫(yī)學(xué)診斷[30]等領(lǐng)域均取得了巨大的成就。2014—2019年，王亞輝課題組[31-33]曾應(yīng)用支持向量機(jī)、主成分分析等淺層學(xué)習(xí)算法對(duì)我國(guó)漢族青少年手腕關(guān)節(jié)、維吾爾族青少年膝關(guān)節(jié)X線骨齡深入研究，結(jié)果表明，基于支持向量機(jī)算法實(shí)現(xiàn)尺、橈骨遠(yuǎn)端骨骺發(fā)育分級(jí)的自動(dòng)化評(píng)估是可靠的、可行的，基于支持向量機(jī)及主成分分析算法建立的骨齡回歸算法模型可以實(shí)現(xiàn)較高準(zhǔn)確率的年齡預(yù)測(cè)。隨著人工智能技術(shù)的不斷革新與換代，DL以及神經(jīng)網(wǎng)絡(luò)模型逐步成為機(jī)器學(xué)習(xí)領(lǐng)域新的研究方向及熱點(diǎn)問題。DL逐步在影像學(xué)、腫瘤學(xué)、病理學(xué)、外科學(xué)以及語(yǔ)音識(shí)別領(lǐng)域的研究中取得突破性進(jìn)展，在人臉識(shí)別、信息檢索等領(lǐng)域也展示出獨(dú)特優(yōu)勢(shì)并被廣泛應(yīng)用[34-35]。人工智能網(wǎng)絡(luò)算法也由反向傳播算法（backpropagation algorithm，BPA）、支持向量機(jī)（support vector machine，SVM）等淺層算法發(fā)展到當(dāng)前的DL算法。DL算法不需要人工提取特征點(diǎn)，可以通過建立多層次的網(wǎng)絡(luò)聯(lián)系，自動(dòng)從大數(shù)據(jù)中學(xué)習(xí)知識(shí)，預(yù)測(cè)效率及準(zhǔn)確性更高。尤其CNN在圖像識(shí)別領(lǐng)域有著突出的表現(xiàn)，多次在ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)大賽中取得優(yōu)異的成績(jī)[21，36-37]。本研究選取的VGG19[38]、Inception-V3[39]、Inception-ResNet-V2[40]3種DL網(wǎng)絡(luò)模型均為廣泛應(yīng)用于各種圖像識(shí)別的經(jīng)典CNN模型。髂嵴、坐骨結(jié)節(jié)骨骺發(fā)育相對(duì)較晚，相對(duì)于手腕關(guān)節(jié)而言，對(duì)年齡較大的青少年骨齡評(píng)估更有應(yīng)用價(jià)值。鑒于此，本課題組調(diào)取了上海市、浙江省、海南省、吉林省及河南省962例漢族青少年男、女性骨盆X線片進(jìn)行骨齡自動(dòng)評(píng)估，研究的開展可為我國(guó)法醫(yī)學(xué)領(lǐng)域骨齡評(píng)估的機(jī)器學(xué)習(xí)算法選擇提供一定的參考價(jià)值。

3.1 RMSE、MAE及統(tǒng)計(jì)學(xué)檢驗(yàn)結(jié)果分析

RMSE和MAE是衡量變量精度的兩個(gè)最常用的指標(biāo)，同時(shí)也是機(jī)器學(xué)習(xí)中評(píng)價(jià)網(wǎng)絡(luò)模型的兩個(gè)重要參數(shù)。RMSE是指預(yù)測(cè)值與真實(shí)值偏差的平方與觀測(cè)次數(shù)n比值的平方根，用來衡量觀測(cè)值與真實(shí)值之間的偏差。MAE是指絕對(duì)誤差的平均值。RMSE和MAE越小，說明預(yù)測(cè)值越接近真實(shí)值、絕對(duì)誤差越小，表明用于骨齡評(píng)估的網(wǎng)絡(luò)模型效果越好。本研究結(jié)果顯示，就RMSE指標(biāo)而言，3種模型的差異無統(tǒng)計(jì)學(xué)意義。但對(duì)于MAE指標(biāo)而言，VGG19模型的MAE值大于Inception-ResNet-V2模型，且二者差異有統(tǒng)計(jì)學(xué)意義。換言之，Inception-ResNet-V2模型骨齡自動(dòng)評(píng)估的性能要優(yōu)于VGG19模型。

另外，從本研究樣本年齡組來看，上述3種DL網(wǎng)絡(luò)模型中較小和較大年齡組的RMSE和MAE相對(duì)偏大，尤以11.0～＜12.0歲和20.0～＜21.0歲為著。這主要是因?yàn)樵?1.0～＜12.0歲時(shí)，可以反映骨盆骨齡的指標(biāo)相對(duì)有限，加之髂嵴、坐骨結(jié)節(jié)骨骺尚未出現(xiàn)，因此，該年齡段的髂嵴、坐骨結(jié)節(jié)的發(fā)育狀況尚不能全面反映骨盆骨齡的變化。因此，RMSE和MAE相對(duì)其他年齡組偏大。而在20.0～＜21.0歲時(shí)，髂嵴、坐骨結(jié)節(jié)等骨盆骨骺已趨閉合，髂嵴、坐骨結(jié)節(jié)已不能全面反映骨盆骨齡的動(dòng)態(tài)變化，此時(shí)反映骨盆骨齡的指標(biāo)已不再是骨骺的發(fā)育程度。因此，RMSE和MAE相對(duì)其他年齡組也會(huì)偏大。這一研究結(jié)果與臨床實(shí)踐中通過人工方法識(shí)別骨盆X線骨齡的結(jié)果是一致的。

3.2 Bland-Altman散點(diǎn)圖結(jié)果分析

Bland-Altman散點(diǎn)圖常用于評(píng)測(cè)兩種測(cè)量方法的一致性。本研究結(jié)果顯示，Inception-ResNet-V2網(wǎng)絡(luò)模型的預(yù)測(cè)年齡與生活年齡的平均差值為0.08歲，在3種DL模型中最小，VGG19模型次之，Inception-V3模型的平均差值最大。同時(shí)，VGG19模型的95%LOA大于Inception-V3模型及Inception-ResNet-V2模型，散點(diǎn)分布更加偏離差值均值線。Inception-V3模型與Inception-ResNet-V2模型相比，95%LOA更大，散點(diǎn)也相對(duì)更偏離差值均值線。

綜上所述，VGG19模型在骨齡自動(dòng)評(píng)估性能方面明顯弱于Inception-ResNet-V2模型。VGG19模型與Inception-V3模型相比，RMSE、MAE差異無統(tǒng)計(jì)學(xué)意義，雖然散點(diǎn)圖中差值均值更小，但散點(diǎn)較Inception-V3模型更偏離差值均值線。據(jù)此認(rèn)為，VGG19模型和Inception-V3模型的骨齡評(píng)估性能相當(dāng)。而Inception-V3與Inception-ResNet-V2模型相比，RMSE、MAE值之間差異均無統(tǒng)計(jì)學(xué)意義，但進(jìn)一步分析散點(diǎn)圖發(fā)現(xiàn)，Inception-ResNet-V2模型的散點(diǎn)更集中于差值均值線附近。因此，筆者認(rèn)為，在給予骨盆的年齡預(yù)測(cè)任務(wù)中，不同視野范圍的卷積塊的拼接效益要大于殘差所帶來的效益。對(duì)于青少年骨齡研究而言，更推薦使用Inception-ResNet-V2模型。綜上，以上3種DL網(wǎng)絡(luò)模型在用于骨盆骨齡自動(dòng)評(píng)估時(shí)本研究組更推薦Inception-ResNet-V2模型。2018年，鄧振華團(tuán)隊(duì)[41]采用AlexNet模型對(duì)來自四川的1 875例骨盆樣本進(jìn)行訓(xùn)練，得到MAE和RMSE值分別為0.94、1.30歲。本研究的VGG19模型結(jié)果與其相當(dāng)，而Inception-V3、Inception-ResNet-V2模型優(yōu)于該結(jié)果。

在醫(yī)學(xué)圖像領(lǐng)域，由于醫(yī)護(hù)人員資源有限，標(biāo)注數(shù)據(jù)困難，導(dǎo)致可用于訓(xùn)練集的同分布標(biāo)注數(shù)據(jù)非常少，這是制約DL的關(guān)鍵因素，也是遷移學(xué)習(xí)在醫(yī)學(xué)圖像領(lǐng)域應(yīng)用廣泛的原因之一。因此，為了更好地捕捉樣本的數(shù)據(jù)特征，我們選擇了遷移學(xué)習(xí)，在預(yù)訓(xùn)練的基礎(chǔ)上進(jìn)行完全訓(xùn)練。并且應(yīng)用數(shù)據(jù)增強(qiáng)技術(shù)，來泛化數(shù)據(jù)，增加模型的魯棒性。本結(jié)果顯示，在有限的樣本量中，模型亦表現(xiàn)出了較好的準(zhǔn)確性，這也證實(shí)了遷移學(xué)習(xí)在有限數(shù)據(jù)集里的可應(yīng)用性。

本研究通過對(duì)3種熱門DL網(wǎng)絡(luò)模型在骨盆骨齡評(píng)估方面的性能進(jìn)行對(duì)比，為我國(guó)年齡較大青少年的骨齡評(píng)估提供了一定的參考價(jià)值，并推薦青少年骨齡評(píng)估使用Inception-ResNet-V2模型。然而，本研究仍有進(jìn)一步改進(jìn)的空間：（1）3種DL模型的RMSE、MAE均略高于國(guó)內(nèi)外用手腕關(guān)節(jié)X線影像進(jìn)行DL骨齡評(píng)估時(shí)的 RMSE、MAE[11，13，42]。分析原因可能與手腕關(guān)節(jié)X線攝片的外部干擾因素如偽影等較少有關(guān)，而骨盆區(qū)域因有腹盆部器官的重影影響，在DL過程中可能造成一定的干擾。未來可考慮在圖像預(yù)處理階段將腹部區(qū)域偽影濾除，或采用三維CT等更高質(zhì)量、結(jié)構(gòu)清晰的影像；（2）本研究組采用的962例樣本量在DL領(lǐng)域來說仍略顯不足，理論上來說，一定范圍內(nèi)訓(xùn)練集樣本量越大，DL的效果相對(duì)越好。雖然我們采用了遷移學(xué)習(xí)來彌補(bǔ)，但在未來仍可考慮加大訓(xùn)練集樣本量。另外，我國(guó)作為一個(gè)多民族國(guó)家，各民族之間的生活環(huán)境、生活水平均存在一定的差異，因此骨骼發(fā)育亦可能存在差異，本研究樣本均為漢族，未來可采集其他民族樣本，訓(xùn)練相應(yīng)民族的模型。