换一批基于改进3D-DenseNet的胆囊癌诊断模型研究
Study on Diagnostic Model of Gallbladder Carcinoma Based on Improved 3D-DenseNet
摘要为辅助临床诊断胆囊癌,使用深度学习技术,通过改进的3D-DenseNet建立一个基于患者增强CT影像的胆囊癌辅助诊断模型.首先,将患者多张动脉期CT转化为三维影像,利用医生标注的胆囊区域,将三维影像切割出感兴趣区域;然后对传统DenseNet网络进行优化,改进Dropout机制与Softmax损失函数并在输出部分将交叉熵函数替换为Focal-loss以进行不平衡校正,从而建立胆囊癌辅助诊断模型;最后,将测试集结果与金标准进行比较,采用ROC曲线、召回率、准确率评估模型性能.通过训练集不断迭代训练,模型损失函数值逐渐收敛,诊断误差也不断下降,在尝试过多种不同的模型结构后,选取出的最优模型准确率为91.4％,特异度为95.2％,灵敏度为88.0％,精确率为95.8％.基于改进3D-DenseNet的胆囊癌诊断模型使用多张患者CT影像数据提取深度特征,充分利用了医疗检测数据,具有较佳的性能和较高的诊断准确率,可以辅助临床进行胆囊癌诊断.
更多相关知识
- 浏览1
- 被引5
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
