MABAL: a Novel Deep-Learning Architecture for Machine-Assisted Bone Age Labeling

文献

分组

按年龄分，8岁以上的为一组；10岁以下的为另一组；
按性别分，男性和女性
以上分组，2*2=4组

数据

总共9188个样本图像，分成训练集、验证集、测试集。
使用外部来源数据1383，增加训练集数量。
1105验证集，做八折交叉验证。

数据扩增

原始数据在输入到神经网络时预先不做任何处理。
训练数据集随机地进行水平、垂直翻转，-0.78~0.78度的随机旋转，随机地裁剪至原始尺寸的80%。
图像的像素值做归一化。

模型构建

根据数据集分组，创建了4个不同的网络模型
基于原始的CNN模型，增加残差连接（residual connections）、Inception架构和空间转换。

参考文献：

Mutasa S, Chang P D, Ruzal-Shapiro C, et al. MABAL: a Novel Deep-Learning Architecture for Machine-Assisted Bone Age Labeling[J]. Journal of digital imaging, 2018: 1-7.