| 额·图娅，郭小超，王可，黄嘉豪，王祥鹏，张晓东，王霄英.基于深度学习训练上腹部DCE-MRI扫描期相分类模型的可行性[J].放射学实践,2021,(08):1052-1058 |
| 基于深度学习训练上腹部DCE-MRI扫描期相分类模型的可行性 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2021.08.020 |
| 中文关键词: 磁共振成像 对比增强扫描 深度学习 图像分类 质量控制 |
| 基金项目: |
|
| 摘要点击次数: 3348 |
| 全文下载次数: 3469 |
| 中文摘要: |
| 【摘要】目的：探讨基于深度学习算法建立的上腹部DCE-MRI图像自动分类模型的立场应用价值。方法：回顾性搜集417例患者上腹部DCE-MRI扫描不同期相的共1330组图像数据。由两位专家将所有图像按平扫、动脉早期、动脉晚期和门静脉-延迟期进行分类。将1330组的数据随机分为训练集（train set，n=1118），调优集（validation set，n=108）和测试集（test set，n=104）。训练3D-ResNet模型对图像的扫描期相进行分类，应用混淆矩阵（confusion matrix）评价模型的分类预测效能。结果：在训练集、调优集及测试集中总体预测符合率分别为99.9%（1117/1118）、99.1%（107/108）和99.0%（103/104）。训练集及调优集中动脉晚期的预测符合率分别为99.5%（193/194）和90.9%（10/11），平扫、动脉早期及门静脉-延迟期的预测符合率均为100%。测试集中各期相图像分类符合率：平扫97.5%（39/40）、动脉早期100%（14/14）、动脉晚期100%（8/8）、门静脉-延迟期100%（42/42）。结论：基于深度学习方法训练的分类模型对DCE-MRI各期相图像的分类预测效能良好，有利于工作流程的优化及后续对接AI诊断模型。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
