首页 > 期刊 > 自然科学与工程技术 > 医药卫生科技 > 医药卫生综合 > 中国医学装备 > 基于深度残差网络的冠状动脉CT血管造影图像斑块的识别算法研究 【正文】
摘要:目的:研究探讨基于深度残差网络(ResNet)的冠状动脉CT血管造影(CTA)图像斑块的识别算法。方法:结合深度学习在图像识别中的优势,提出一种基于深度ResNet的冠状动脉斑块识别算法。选择三种不同深度的ResNet,卷积层数分别为18层、50层和152层,对来自100例患者的6000幅曲面重建(CPR)图像进行识别,最终选择出最适合冠状动脉斑块分析的ResNet深度,并用最佳网络深度辅助两名放射科诊断医师进行诊断,分析在实际临床应用中对斑块识别带来的影响。结果:不同网络深度的ResNet神经网络均能对冠状动脉斑块进行识别,其中ResNet-50的灵敏度最高为50.70%,ResNet-152的准确率和特异度最高,分别为86.28%和96.71%。选择ResNet-50网络辅助两名放射科诊断医师诊断准确率分别提升了10.91%和12.35%。结论:经过训练的ResNet神经网络可以有效对冠状动脉斑块进行识别,在适宜网络深度的ResNet的辅助下可以有效缩短放射科诊断医师的诊断时间,并且在保证特异性的同时提高诊断的准确性和灵敏度。
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 >