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
基于深度学习的人工智能模型自动识别颈动脉斑块
被引量：
1
1
作者
赫兰
申锷
+5 位作者
杨泽堃
张颖
王玉东
陈伟导
王一同
贺永明
《中国医疗器械杂志》
2024年第4期361-366,共6页
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声...
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断。该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91, 0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96, 0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95, 0.92)。因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案。
展开更多
关键词
单输入BCNN-ResNet网络模型
颈动脉超声
深度学习
在线阅读
下载PDF
职称材料
题名
基于深度学习的人工智能模型自动识别颈动脉斑块
被引量：
1
1
作者
赫兰
申锷
杨泽堃
张颖
王玉东
陈伟导
王一同
贺永明
机构
上海市胸科医院/上海交通大学医学院附属胸科医院超声科
上海交通大学医学院
附属
松江
医院
超声
科
推想医疗
科
技股份有限公司
大连
大学
附属
新华
医院
超声
医学
科
苏州
大学
附属
第一
医院
心内
科
出处
《中国医疗器械杂志》
2024年第4期361-366,共6页
基金
上海市徐汇区智慧医疗专项研究项目(XHZH202108)
上海市徐汇区人工智能医疗院地合作项目(23XHYD-22)。
文摘
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1 165例受检者的1 761张超声图像组成。研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断。该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91, 0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96, 0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95, 0.92)。因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案。
关键词
单输入BCNN-ResNet网络模型
颈动脉超声
深度学习
Keywords
single-input BCNN-ResNet network model
carotid ultrasound
deep learning
分类号
R445.1 [医药卫生—影像医学与核医学]
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
基于深度学习的人工智能模型自动识别颈动脉斑块
赫兰
申锷
杨泽堃
张颖
王玉东
陈伟导
王一同
贺永明
《中国医疗器械杂志》
2024
1
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
