目的：运用支持向量机（support vector machine，SVM）实现尺、桡骨远端骨骺发育分级的自动化评估。方法收集我国140例11～19周岁青少年左侧腕关节X线正位片作为训练样本。将尺、桡骨远端骨骺分为五个发育分级，每个分级均包含28例样...目的：运用支持向量机（support vector machine，SVM）实现尺、桡骨远端骨骺发育分级的自动化评估。方法收集我国140例11～19周岁青少年左侧腕关节X线正位片作为训练样本。将尺、桡骨远端骨骺分为五个发育分级，每个分级均包含28例样本。另选35例作为独立校验样本。建立尺、桡骨远端骨骺五个发育分级的SVM分类模型，用留一交叉验证法（leave one out cross validation，LOOCV）进行模型内部交叉验证以及梯度方向直方图（histogram of oriented gradient，HOG）进行模型外部验证，分别计算其准确率（PA）。结果桡骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、78.6%和82.8%。尺骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、80.0%和88.6%。结论运用SVM建立的尺、桡骨远端骨骺发育分级的自动化模型具有一定的可行性，为法医学骨龄评估软件的开发奠定基础。展开更多
文摘目的：运用支持向量机（support vector machine，SVM）实现尺、桡骨远端骨骺发育分级的自动化评估。方法收集我国140例11～19周岁青少年左侧腕关节X线正位片作为训练样本。将尺、桡骨远端骨骺分为五个发育分级，每个分级均包含28例样本。另选35例作为独立校验样本。建立尺、桡骨远端骨骺五个发育分级的SVM分类模型，用留一交叉验证法（leave one out cross validation，LOOCV）进行模型内部交叉验证以及梯度方向直方图（histogram of oriented gradient，HOG）进行模型外部验证，分别计算其准确率（PA）。结果桡骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、78.6%和82.8%。尺骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、80.0%和88.6%。结论运用SVM建立的尺、桡骨远端骨骺发育分级的自动化模型具有一定的可行性，为法医学骨龄评估软件的开发奠定基础。
