احمد شیرزادی

تعیین سن استخوانی یکی از روش های تشخیص رادیولوژی است که در کار روزمره اکثر پزشکان مورد استفاده قرار میگیرد و به پزشکان در محاسبه بلوغ سیستم استخوانی و سرعت رشد اسکلت کودکان کمک میکند. اندازه گیری سن استخوان افراد، معیار مناسبی برای تشخیص بلوغ زودرس و هم چنین بیماری های زمینه ای، نظیر بیماری های کم کاری تیروئید و هیپوفیز که روی رشد مراکز استخوان تأثیر دارند و از روی استخوان قابل تشخیص هستند. سن استخوانی باید با سن تقویمی متناسب باشد. این موضوع نشان دهنده رشد طبیعی اسکلت بدن متناسب با سن فرد است. در تعیین سن استخوانی اگر سن استخوان مطابق سن تقویمی باشد، رشد استخوان طبیعی است ولی اگر از سن تقویمی کمتر باشد، اصطلاحاً به آن تأخیر سن استخوانی می گویند. سیستم های متفاوتی برای تخمین سن استخوان اسکلت ارائه شده است که کم و بیش دارای کمبود و مشکلاتی هستند. در این پایان نامه، هدف ارائه سیستمی است که از روی تصاویر رادیولوژی دست با استفاده از شبکه های عصبی عمیق، سن استخوان افراد را تخمین بزند. از آنجایی که تصاویر رادیولوژی دست در اینجا، خود دارای برچسب سن می باشند، پس سن استخوان افرادی را که ما تخمین زدیم، نسبت به سن داده شده باید دارای کمترین خطا باشد. معماری مورد نظرمان دارای روش یادگیری بانظارت بوده و شبکه عصبی استفاده شده شبکه عصبی پیشخور می باشد. از توابع فعالسازی نظیر رل یو و سافت مکس استفاده شده است و تعداد لایه ها، 24عدد و معماری های استفاده شده شامل کانولوشن دو بعدی، بچ نورمالیزیشن، مکس پولینگ، فلاتتن و دنس می باشد و دقت ولیدیشن معماری پیشنهادی ما شامل 62و دقت ترین 82می باشد. معماری مورد نظر با روش های وی جی جی 16و دنس نت و اینسپشن مقایسه شده و می بینیم که در مقایسه با سایر روش های موجود از دقت و کارایی بالاتری برخوردار است