Phát triển giải thuật học sâu VietBA-Net ứng dụng trong chẩn đoán tuổi xương  trẻ em Việt Nam

Võ Tường Kha(1); Dương Quốc Ngữ(2); Nguyễn Hoài Nam(2); Đỗ Việt Anh(2); Lê Tuấn Vũ(2); Trần Trọng Nhất(2); Hoàng Tiến Lan(3)

Phát triển giải thuật học sâu VietBA-Net ứng dụng trong chẩn đoán tuổi xương trẻ em Việt Nam

Các tác giả

Võ Tường Kha(1); Dương Quốc Ngữ(2); Nguyễn Hoài Nam(2); Đỗ Việt Anh(2); Lê Tuấn Vũ(2); Trần Trọng Nhất(2); Hoàng Tiến Lan(3) Tác giả

Tóm tắt

Tóm tắt: Nâng cao tầm vóc và thể lực của người Việt Nam được xác định là một mục tiêu chiến lược quốc gia. Tuổi xương là chỉ số sinh học quan trọng để đánh giá sự trưởng thành. Tuy nhiên, phương pháp đối chiếu atlas thủ công Greulich & Pyle (G&P) tồn tại nhiều hạn chế như tính chủ quan, tốn thời gian và sự không tương thích về chủng tộc và thời đại. Nghiên cứu này nhằm phát triển và đánh giá giải thuật học sâu VietBA-Net ứng dụng trong tự động hóa việc chẩn đoán tuổi xương, tích hợp các yếu tố nhân trắc học đặc thù trên bộ dữ liệu 12.180 ảnh X-quang bàn tay trái của trẻ em Việt Nam từ 1 tháng đến 18 tuổi, được thu thập từ 7 khu vực địa lý. Kết quả: Giải thuật đạt Sai số tuyệt đối trung bình (MAE) là 0,42 năm (~5 tháng) và hệ số tương quan (r) > 0.95 so với chuyên gia. Thời gian xử lý trung bình là 8,5 giây. Các hệ số hiệu chỉnh theo vùng miền (δ - hệ số nhiễu) đã được đề xuất cụ thể. Kết luận: VietBA-Net chứng minh là một giải pháp AI khả thi, chính xác và hiệu quả để số hóa quy trình chẩn đoán tuổi xương tại Việt Nam, có tiềm năng triển khai rộng rãi trong y tế học đường và nhi khoa.

Từ khóa:

Tuổi xương, giải thuật học sâu VietBA-Net, Mask R-CNN, Nhân trắc học Việt Nam.

Thông tin

Ngôn ngữ

Bài gửi

Tạp chí khoa học Đào tạo và Huấn luyện Thể thao

Tải xuống

Đã Xuất bản

Số tạp chí

Chuyên mục

Cách trích dẫn