融合双重注意力网络的儿童骨龄评估方法

摘要: 骨龄评估是一种检测儿童内分泌与生长发育异常的常用方法，但深度学习方法中低质量手部X射线图像降低最终评估精度。针对该问题，提出一种增加手部X射线图像感兴趣区域面积的对齐网络，该网络以Swin Transformer结构作为主干网络学习图像手部相似性并取得仿射系数，且在训练过程中不需进行大规模手部标注。在骨龄评估网络中，针对高效通道注意力和空间注意力机制改进，提出双池化高效通道注意力和非对称卷积空间注意力方法，将这两种方法以双重注意力形式和Xception网络相结合提出DA-Xception。在RSNA数据集上进行测试，该骨龄评估方法达到5.37个月的平均绝对误差，相较于其他深度学习方法可更充分提取特征，优化评估结果。