期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CT深度学习的活动性/非活动性肺结核分类模型构建及验证
被引量：
9
1
作者
马依迪丽·尼加提
米日古丽·达毛拉
+1 位作者
张斌
张水兴
《暨南大学学报（自然科学与医学版）》
CAS
北大核心
2023年第1期69-77,86,共10页
目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值。方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫...
目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值。方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫检查的1 940例患者的病例资料,活动性肺结核患者(ATB)960例,非活动性肺结核患者(non-ATB)980例。所有数据以7∶2∶1的比例随机分组,用于训练、验证和测试集,使用3D Nested UNet模型预先分割肺野区域,然后使用3D ResNet-50进行分类,并收集了用于模型外部验证的外部测试集ATB 100例,non-ATB 100例。为了量化评估深度学习模型的性能,绘制ROC曲线,以曲线下面积(AUC)、准确率(ACC)、召回率(Recall)、F1分数(F1 score)作为模型评价指标,并使用类激活图来评估感兴趣的激活区域,最后,将该模型与两位放射科医生的外部测试数据进行了比较。结果:本组ATB患者比非ATB患者年龄大。结果显示ATB患者咳嗽更多,而非ATB患者出现更多胸痛症状,差异有统计学意义(P<0.05)。模型对训练集、验证集、测试集及外部验证的诊断性能AUC分别为0.970、0.951、0.933、0.942;ACC分别为0.996、0.981、0.975、0.967,Recall分别为0.989、0.953、0.951、0.952,F1 score分别为0.995、0.983、0.972、0.969。此外,3D ResNet-50模型的性能高于两名放射科医生,AI模型诊断效能也比放射科医师快10倍。结论:3D ResNet-50 AI系统诊断水平与经验丰富的放射科医生水平接近,可作为活动性肺结核检测及鉴别诊断的快速辅助诊断工具,快速区分活动性和非活动性肺结核。
展开更多
关键词
CT图像
活动性肺结核
非活动性肺结核
深度学习
在线阅读
下载PDF
职称材料
题名
基于CT深度学习的活动性/非活动性肺结核分类模型构建及验证
被引量：
9
1
作者
马依迪丽·尼加提
米日古丽·达毛拉
张斌
张水兴
机构
暨南大学附属第一医院影像科
喀什地区第一人民医院影像科
出处
《暨南大学学报（自然科学与医学版）》
CAS
北大核心
2023年第1期69-77,86,共10页
基金
新疆维吾尔自治区省部共建项目(SKL-HIDCA-2021-JH6)
新疆维吾尔自治区自然科学基金项目(2022D14007)。
文摘
目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值。方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫检查的1 940例患者的病例资料,活动性肺结核患者(ATB)960例,非活动性肺结核患者(non-ATB)980例。所有数据以7∶2∶1的比例随机分组,用于训练、验证和测试集,使用3D Nested UNet模型预先分割肺野区域,然后使用3D ResNet-50进行分类,并收集了用于模型外部验证的外部测试集ATB 100例,non-ATB 100例。为了量化评估深度学习模型的性能,绘制ROC曲线,以曲线下面积(AUC)、准确率(ACC)、召回率(Recall)、F1分数(F1 score)作为模型评价指标,并使用类激活图来评估感兴趣的激活区域,最后,将该模型与两位放射科医生的外部测试数据进行了比较。结果:本组ATB患者比非ATB患者年龄大。结果显示ATB患者咳嗽更多,而非ATB患者出现更多胸痛症状,差异有统计学意义(P<0.05)。模型对训练集、验证集、测试集及外部验证的诊断性能AUC分别为0.970、0.951、0.933、0.942;ACC分别为0.996、0.981、0.975、0.967,Recall分别为0.989、0.953、0.951、0.952,F1 score分别为0.995、0.983、0.972、0.969。此外,3D ResNet-50模型的性能高于两名放射科医生,AI模型诊断效能也比放射科医师快10倍。结论:3D ResNet-50 AI系统诊断水平与经验丰富的放射科医生水平接近,可作为活动性肺结核检测及鉴别诊断的快速辅助诊断工具,快速区分活动性和非活动性肺结核。
关键词
CT图像
活动性肺结核
非活动性肺结核
深度学习
Keywords
CT image
active tuberculosis
non-active tuberculosis
deep learning
分类号
R445 [医药卫生—影像医学与核医学]
R521 [医药卫生—内科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CT深度学习的活动性/非活动性肺结核分类模型构建及验证
马依迪丽·尼加提
米日古丽·达毛拉
张斌
张水兴
《暨南大学学报（自然科学与医学版）》
CAS
北大核心
2023
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
