首页 > 中国医疗器械杂志 > 基于深度学习的X线造影中肾上腺血管关键帧识别算法

基于深度学习的X线造影中肾上腺血管关键帧识别算法

Deep Learning-Based Key Frame Recognition Algorithm for Adrenal Vascular in X-Ray Imaging

二维码有效期 120s

摘要原发性醛固酮增多症的分型诊断需进行肾上腺静脉取样,肾上腺静脉出现的帧称为关键帧.目前,关键帧的选取依赖于医生肉眼判断,耗时费力.该研究提出基于深度学习的关键帧识别算法.首先,采用小波去噪和多尺度血管增强滤波的方法,保留肾上腺静脉的形态特征.接着,结合自注意机制,得到改进的识别模型ResNet50-SA.与常用的迁移学习相比,新模型在准确率、精确度查准率、召回率、F1和AUC上都达到97.11%,优于其他模型,可帮临床医生快速识别肾上腺静脉中的关键帧.

作者陶慧敏 ^[1] 黄淼 ^[2] 刘琮 ^[3] 刘永田 ^[4] 胡志华 ^[2] 陶莉莉 ^[2] 张淑平 ^[2] 学术成果认领

作者单位上海第二工业大学智能制造与控制工程学院,上海市,201209;上海第二工业大学计算机与信息工程学院,上海市,201209 ^[1] 上海第二工业大学智能制造与控制工程学院,上海市,201209 ^[2] 上海商学院物联网工程系,上海市,201400 ^[3] 山东第一医科大学附属青州医院泌尿科,青州市,262500 ^[4]

关键词迁移学习自注意机制小波变换关键帧识别肾上腺血管造影 transfer learning self-attention mechanism wavelet transform key frame recognition adrenal angiography

分类号 R445（诊断学）R814.43（放射医学）

栏目名称

医学人工智能

DOI 10.12455/j.issn.1671-7104.240040

发布时间 2024-05-30（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（62003205）国家自然科学基金（62203291）中国博士后科学基金（2021M690481）上海市自然科学基金（20ZR1440300）