TY - JOUR ID - 28037 TI - تخمین سن استخوانی کودکان مبتنی بر یادگیری عمیق با استفاده از رادیوگرافی دست JO - مجله دانشکده پزشکی اصفهان JA - JIMS LA - fa SN - 1027-7595 AU - سیرتی-امشه, مجتبی AU - شعبانی نیا, الهام AU - چاپاریان, علی AD - دانشجوی کارشناسی ارشد، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران AD - استادیار، گروه ریاضی کاربردی، دانشکده‌ی علوم و فناوری‌های نوین، دانشگاه تحصیلات تکمیلی و فناوری پیشرفته، کرمان، ایران AD - استاد، گروه فیزیک پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران Y1 - 2023 PY - 2023 VL - 40 IS - 700 SP - 1037 EP - 1043 KW - اختلالات رشد KW - اندازه‌گیری KW - یادگیری عمیق KW - سن استخوانی KW - رادیوگرافی DO - 10.48305/jims.v40.i700.1037 N2 - مقاله پژوهشی مقدمه: از تصاویر رادیوگرافی دست، به صورت رایج جهت ارزیابی بلوغ استخوانی استفاده می‌‌شود. به طوری که تفاوت چشمگیر میان سن ارزیابی‌ شده و سن تقویمی می‌تواند نشان‌دهنده‌ی اختلال در رشد باشد. با این حال ارزیابی دستی تصاویر، معمولاً فرایندی زمان‌بر و وابسته به ناظر است. لذا هدف از انجام این مطالعه، ایجاد روشی خودکار برای ارزیابی سن استخوانی با استفاده از تصاویر رادیوگرافی دست می‌باشد. روش‌ها: در این پژوهش که از نوع بنیادی- کاربردی می‌باشد، از مجموعه تصاویر رادیوگرافی انجمن رادیولوژی آمریکای شمالی (Radiological Society of North America) RSNA استفاده شد و روش یادگیری انتقالی برای تخمین سن استخوانی کودکان پیشنهاد گردید. تصاویر ورودی، ابتدا به دلیل کیفیت پایین مورد پیش‌پردازش قرار گرفتند. سپس مدل از پیش آموزش دیده ۱۲۱DenseNet- برای استخراج ویژگی‌های مکانی متمایزکننده مورد استفاده قرار گرفت. یافته‌ها: ارزیابی‌ها با استفاده از پنج مدل از پیش آموزش دیده و بر روی مجموعه‌ی داده‌ی RSNA نشان دادند که مدل ۱۲۱DenseNet- پس از تنظیم می‌تواند با میانگین خطای مطلق 9/8 ماه بهتر از سایر مدل‌ها عمل کند. نتیجه‌گیری: بلوغ اسکلتی می‌تواند با استفاده از مدل ۱۲۱DenseNet- با دقت رضایت‌بخشی تخمین زده شود و از این روش می‌توان به رادیولوژیست‌ها در اندازه‌گیری سریع و دقیق سن استخوانی کمک نمود. UR - https://jims.mui.ac.ir/article_28037.html L1 - https://jims.mui.ac.ir/article_28037_5da6224a52a336a64e2fa5b7cccea963.pdf ER -