换一批
换一批不同层数的Mask-RCNN模型自动检测成釉细胞瘤效能的比较
Comparison of Efficacy of Mask-RCNN Models with Different Layers in Automatic Detection of Ameloblastoma
摘要目的:基于人工智能深度学习,比较Mask-RCNN不同层数的ResNet模型在成釉细胞瘤CT图像检测中的效能.方法:回顾性收集2018年4月～2020年8月福建医科大学附属第一医院成釉细胞瘤患者的CT影像数据,按照标准将79名患者纳入研究.经过预处理后,共得到3566张图像,按照8∶1∶1的比例将其随机分为训练集、验证集以及测试集.采用ResNet-18、ResNet-50和ResNet-101模型进行训练,实现肿瘤的自动检测并通过Dice系数、平均精确度AP及检测时间等评价指标进行分析.结果:与ResNet-18及ResNet-50相比,ResNet-101模型自动检测的效果最好,其Dice系数为0.87,平均精确度AP(IOU 0.50∶0.95)为0.74.但该模型所需的检测时间最长,需要0.33 s.结论:不同层数的Mask-RCNN模型均可较好地实现对成釉细胞瘤的自动检测诊断,其中ResNet-101检测效果最好,但相应地需要更长的时间.
更多相关知识
- 浏览10
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
