换一批基于知识图谱和人工智能的颅脑CT质控研究
Research on quality control of cranial CT based on knowledge graph and artificial intelligence
摘要目的:探讨基于深度学习和知识图谱实现颅脑CT智能质控的可行性.方法:利用安徽省影像云平台随机抽取4 500例颅脑CT数据,根据质控标准构建颅脑CT知识图谱和算法模型.组织技术人员进行数据标注,将人工标注后的数据输入模型中进行训练.采用ROC曲线及曲线下面积来评测模型的分类能力,使用平均精确度(mAP)和平均绝对误差(MAE)评估智能质控与人工质控之间的差异.结果:在投照技术质量方面,智能质控的结果mAP显著优于单人质控(A、B)(P＜0.01),智能质控的结果mAP与多人质控结果接近(P=0.093);在图像清晰度方面,智能质控的MAE显著优于单人的人工质控(P＜0.01).结论:图像分类模型和清晰度模型对各节点的预测效果均优于单人标注结果,体现出模型预测的客观性和稳定性.
更多相关知识
关键词
质量控制颅脑CT知识图谱深度学习智能质控quality controlcraniocerebral CTknowledge graphdeep learningintelligent quality control
分类号
R814.42（放射医学）
栏目名称
DOI
10.20072/j.cnki.issn2097-0196.2025.06.006
发布时间
2026-01-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省高校协同创新项目（GXXT-2021-065）
安徽省高校协同创新项目（GXXT-2022-031）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
