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
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：
基于深度学习与功能磁共振的人工智能前列腺癌诊断效能 被引量：5
1
作者 李凌昊 胡怡音 +3 位作者 孟广明 黄子丹 李致勋 姜建 《中国医学影像学杂志》 CSCD 北大核心 2021年第4期385-389,共5页
目的评估基于深度学习网络的人工智能通过扩散加权成像(DWI)与表观扩散系数(ADC)对前列腺癌的诊断价值。资料与方法抽取南昌大学第一附属医院数据库中进行过前列腺MRI扫描并取得病理结果的112例患者,其中前列腺癌52例,由3名影像医师对... 目的评估基于深度学习网络的人工智能通过扩散加权成像(DWI)与表观扩散系数(ADC)对前列腺癌的诊断价值。资料与方法抽取南昌大学第一附属医院数据库中进行过前列腺MRI扫描并取得病理结果的112例患者,其中前列腺癌52例,由3名影像医师对图片进行标记后,导入人工智能系统进行训练,使用未标记数据进行分割准确性测试,并利用ADC图像对残差网络(ResNet)ADC区域分割的前列腺癌诊断能力进行测试。使用交并比指标计算分割准确率。使用受试者工作特征曲线及曲线下面积(AUC)评估定性诊断模型效能。结果卷积神经网络的ADC与DWI准确度分别为61.34%、57.35%;ResNet的ADC与DWI准确度分别为60.05%、63.08%;ResNet定性诊断模型的AUC为0.782,准确度、敏感度和特异度分别为69.39%、54.50%、73.68%。结论深度学习网络在前列腺病灶分割和定性分析上均显示出较大的优势,具有一定的临床实用性。 展开更多
关键词 前列腺肿瘤 磁共振成像 扩散加权成像 深度学习 表观扩散系数 卷积神经网络 残差网络
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部