库名称：transformers
标签：

• 放射学
• 医学影像
• 骨龄
• X光
• 裁剪
  许可证：apache-2.0
  任务标签：目标检测
  基础模型：
• timm/mobilenetv3_small_100.lamb_in1k

该模型用于裁剪手部X光片，以更好地标准化骨龄模型的图像输入。
模型采用轻量级mobilenetv3_small_100主干网络，并预测归一化的xywh坐标。

模型使用来自RSNA儿童骨龄挑战赛的12,592张儿科手部X光片进行训练和验证，数据按80%/20%划分。
在单次验证中，模型的平均绝对误差（归一化坐标）为：

x: 0.0152  
y: 0.0121  
w: 0.0261  
h: 0.0213  

使用方法：

import cv2  
import torch  
from transformers import AutoModel  

model = AutoModel.from_pretrained("ianpan/bone-age-crop", trust_remote_code=True)  
model = model.eval()  
img = cv2.imread(..., 0)  
img_shape = torch.tensor([img.shape[:2]])  
x = model.preprocess(img)  
x = torch.from_numpy(x).unsqueeze(0).unsqueeze(0)  
x = x.float()  

# 若不提供img_shape  
# 模型将返回归一化坐标  
with torch.inference_mode():  
  coords = model(x, img_shape)  

# 批次中仅1个样本  
coords = coords[0].numpy()  
x, y, w, h = coords  
# 坐标已根据img_shape重新缩放  
cropped_img = img[y: y + h, x: x + w]  

若已安装pydicom，可直接加载DICOM图像：

img = model.load_image_from_dicom(dicom文件路径)