换一批基于深度学习的轻量化肺超声图像定性与定量综合分析
A lightweight deep learning-based comprehensive qualitative and quantitative analysis method for lung ultrasound images
摘要目的 提出一种基于深度学习的轻量化肺超声图像定性与定量综合分析方法,以提升智能化超声对肺部疾病的评估能力.方法 共收集 7 000 张来自临床病例的肺超声图像用于模型评价,包括用于定性分析任务的5 000 张图像、定量分析任务的 1 000 张图像,以及用于外部测试的 1 000 张图像.在定性分析方面,引入ShuffleNet网络中的通道混洗模块,对FastViT网络的Stem结构进行优化,构建出新型Stem模块,提升模型对肺超声图像的分类性能;在定量分析方面,应用仿射变换对凸阵肺超声图像进行归一化校正,以消除图像采集过程中的尺度和角度差异,同时剔除无关的边缘冗余信息,随后引入YOLOv5 目标检测算法,实现肺超声图像中B线的自动检测及其数量、间距的量化分析.结果 轻量化定性分析模型在肺超声图像分类任务中的准确率达到96.7%,参数量仅为3.2×106,优于先前轻量化分类模型在此任务中的分类性能,且在外部测试中达到了 95.14%的准确率.定量研究中,YOLOv5模型在B线定位、计数与测距任务中同样取得了优异的表现,检测结果与实际标注高度一致,计数与测距误差均在临床诊断允许范围内.结论 本研究构建的基于深度学习的轻量化肺超声图像定性与定量综合分析方法在肺部病变的辅助诊断中展现出优异的性能,超声图像评分能够快速评估病情等级,B线检测则实现了关键征象的精准量化,两者协同能为临床上肺超声诊断提供有力支持,具有广阔的临床应用前景.
更多相关知识
关键词
肺疾病超声检查图像评分B线分析图像处理深度学习lung diseasesultrasonographyimage scoringB-line analysisimage processingdeep learning
栏目名称
DOI
10.16781/j.CN31-2187/R.20250386
发布时间
2026-04-01（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
