| 张晓东，孙兆男，任昕，周宇，周雯，李建辉，谢辉辉，刘婧，张虽虽，李津书，王霄英.基于深度残差网络研发辅助诊断软件用于X线胸片分类诊断[J].放射学实践,2019,(09):952-957 |
| 基于深度残差网络研发辅助诊断软件用于X线胸片分类诊断 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2019.09.004 |
| 中文关键词: 深度学习 人工智能 深度残差网络 胸部X线片 用例 结构化报告 |
| 基金项目: |
|
| 摘要点击次数: 3774 |
| 全文下载次数: 4267 |
| 中文摘要: |
| 【摘要】目的:研究以深度残差网络（ResNet）为基础架构建立深度学习模型，对X线胸片(CXR )做出“有发现”与“无发现”鉴别诊断的可行性。方法:回顾性收集2017年1月1日至2018年7月1日的连续CXR图像及诊断报告，经过数据清洗后分为“无发现”组（无任何异常发现，诊断印象为“两肺心膈未见异常”，共9765例）与“有发现”组（诊断印象中提及了一种以上影像所见，共9956例）。使用ResNet152（152 layers）作为二分类模型的基础架构，结合Grad-CAM技术生成模型激活热图，训练二分类模型。数据随机分为训练集（70%）、调优集（20%）和测试集（10%）。以测试集的预测结果检测CXR二分类模型的效能。结果:在测试集中（“有发现”者1018例，“无发现”者995例），CXR二分类模型鉴别“有发现”与“无发现”的精确度分别为0.885和0.894，召回率分别为0.898和0.880,F1-分数分别为0.891和0.887,ROC曲线下面积均为0.96。 结论:使用CXR二分类模型可对X线胸片做出“无发现”与“有发现”的预测。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
