换一批改良ResNet18轻量深度学习模型基于第一跖趾关节声像图自动检测痛风性关节炎病变
Improved ResNet18 lightweight deep learning models for automatically detecting gouty arthritis lesions based on ultrasonogram of the first metatarsophalangeal joint
摘要目的 观察改良ResNet18轻量深度学习(DL)模型基于第一跖趾关节(MTP1)声像图自动检测痛风性关节炎(GA)病变的价值.方法 回顾性纳入260例疑诊痛风患者的2 401幅MTP1声像图,按4∶1划分训练集(209例1 910幅图像)与测试集(51例491幅图像),手动标注图中GA病变.经预处理后采用ResNet18轻量网络构建DL模型,用于识别超声图像类别为正常或异常(存在任何GA表现),采用5折交叉验证法评估以2个、3个、4个及6个残差块构建的模型1、2、3、4的效能,记录各模型计算量及参数量,于测试集进行验证,以筛选最佳DL模型.结果 模型1、2、3、4的计算量分别为7 558.27、2 963.73、4 012.33及6 093.39 M,参数量分别为4.61、4.91、4.91及5.28 M,模型2的计算量最少且参数量仅略多于模型1.测试集中4个模型的准确率及曲线下面积差异均无统计学意义(P均＞0.05);模型2的敏感度高于而特异度低于模型3(P均＜0.05),为最佳DL模型.结论 所获改良ResNet18轻量DL模型均可基于MTP1声像图自动检测GA;其中以模型2为最佳.
更多相关知识
栏目名称
DOI
10.13929/j.issn.1003-3289.2025.05.019
发布时间
2025-07-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFC2503305）
青岛大学附属医院临床医学+X科研项目（QDFY+X2024133）
- 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
