您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定

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

Development of a ResNet-based CADx software for classification diagnosis in chest X-ray images

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.

更多
作者: 张晓东 [1] 孙兆男 [1] 任昕 [1] 周宇 [1] 周雯 [1] 李建辉 [1] 谢辉辉 [1] 刘婧 [1] 张虽虽 [2] 李津书 [1] 王霄英 [1]
作者单位: 北京大学第一医院医学影像科,北京,100034 [1] 北京赛迈特锐医学科技有限公司,北京,100011 [2]
期刊: 《放射学实践》2019年34卷9期 952-957页 ISTICPKU
分类号: TP18R814.41
栏目名称: 人工智能影像学专题
DOI: 10.13609/j.cnki.1000-0313.2019.09.004
发布时间: 2019-10-21
  • 浏览:11
  • 下载:13

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!