ارائه یک روش مبتنی بر تقسیم بندی ناحیه r-cnn و شبکه یادگیری جمعی برای ارزیابی سن استخوان

تصاویر رادیولوژی دست چپ برای پیش آگهی در مورد پیش بینی رشد کودکان، استفاده پزشکی قانونی، تعیین جرائم عادلانه برای کودکان فاقد شناسنامه، صدور گواهی برای کودکان پناهجو و همچنین برای تشخیص بیماری هایی که بر سطح هورمون های رشد تاثیر می گذارند و تشخیص و درمان اختلالات ژنتیکی مفید و چالش برانگیز است. روش‌های مرسوم برای تجزیه و تحلیل تصاویر پزشکی همواره دارای مشکلات متعددی است. برای مثال، نیاز به ذهنیت قوی و تجربه متخصصان، خطاهای تصادفی که گاها غیر قابل جبران هستند، فرآیندهای ارزیابی پیچیده و چرخه‌های ارزیابی طولانی از جمله ی این مشکلات هستند. در این مقاله یک روش جدید خودکار برای کاهش خطای روش های ذهنی و بهبود روش های خودکار موجود در تخمین سن کودکان ارئه شده است. برای دسته بندی تصاویر، یک تکنیک مبتنی بر cnn و شبکه های مبتنی بر ناحیه r-cnn تصاویر پیشنهاد شده است. علاوه بر این، مجموعه داده گسترش داده شده و توانایی تعمیم شبکه با گسترش تعداد داده در نظر گرفته شده است. در نتیجه سن استخوانی دقیق تر محاسبه شده است. آزمایش‌های انجام شده اثربخشی روش پیشنهادی را نشان داده اند که می‌تواند به پزشکان و کاربران تشخیصی پایدار، کارآمد و راحت‌ ارائه کند.