首页 > 期刊 > 自然科学与工程技术 > 医药卫生科技 > 特种医学 > 放射学实践 > 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 【正文】
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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
一对一咨询服务、简单快捷、省时省力
了解更多 >直邮到家、实时跟踪、更安全更省心
了解更多 >去除中间环节享受低价,物流进度实时通知
了解更多 >正版杂志,匹配度高、性价比高、成功率高
了解更多 >