孟名柱, 潘昌杰, 张浩, 陈晓霞.基于胸部X线片的深度迁移学习模型早期诊断儿童肺炎支原体肺炎[J].放射学实践,2024,(01):37-41 |
基于胸部X线片的深度迁移学习模型早期诊断儿童肺炎支原体肺炎 |
|
|
DOI:10.13609/j.cnki.1000-0313.2024.01.007 |
中文关键词: 肺炎支原体肺炎 胸片 儿童 深度迁移学习 人工智能 |
基金项目:常州市科技局应用基础研究计划(CJ20220260) |
|
摘要点击次数: 425 |
全文下载次数: 495 |
中文摘要: |
【摘要】目的:探讨基于VGG19的深度迁移学习模型在儿童胸部X线片(胸片)早期诊断肺炎支原体肺炎(MPP)中的价值。方法:搜集常州市第二人民医院儿科就诊的患儿3763例,其临床及影像资料齐全。将患儿胸片分成细菌性肺炎组、MPP组和病毒性肺炎组,并按照9:1随机分为训练集和测试集。另外选择150例患儿胸片作为验证集(细菌性肺炎、MPP和病毒性肺炎各50例)。模型性能评价指标包括在训练集和测试集中的准确率(Ac)及在验证集中的精确度(Pr)、召回率(Rc)、F1评分(F1)和ROC曲线下面积(AUC)。结果:VGG19在训练集和测试集中的最高Ac分别为0.99和0.95。细菌性肺炎组的Pr、Rc、F1、AUC分别为0.87、0.82、0.85、0.92,MPP组分别为0.85、0.74、0.78、0.90,病毒性肺炎组分别为0.76、0.88、0.81、0.93。VGG19对三组图像分类诊断的总体AUC为0.92。结论:基于VGG19的深度迁移学习模型是儿童胸部X线片诊断MPP的可靠方法,能够帮助临床早期诊断MPP。 |
|
查看全文
下载PDF阅读器 |
关闭 |