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：
深度学习在儿童心脏超声标准切面自动智能识别中的应用 被引量：3
1
作者 刘贻曼 韩啸翔 +8 位作者 张玉奇 张志芳 沈蓉 陈丽君 董斌 袁加俊 胡孟晗 李庆利 陈建刚 《海军军医大学学报》 CAS CSCD 北大核心 2023年第7期822-829,共8页
目的 探讨深度学习在儿童心脏超声标准切面自动识别中的可行性和准确性。方法 在上海交通大学医学院附属上海儿童医学中心心脏超声诊断中心影像归档和通信系统数据库中,选取2022年9-10月行心脏超声检查儿童的4 035张心脏超声图像,按照6... 目的 探讨深度学习在儿童心脏超声标准切面自动识别中的可行性和准确性。方法 在上海交通大学医学院附属上海儿童医学中心心脏超声诊断中心影像归档和通信系统数据库中,选取2022年9-10月行心脏超声检查儿童的4 035张心脏超声图像,按照6∶2∶2的比例将图像随机分为训练集(2 421张)、验证集(807张)、测试集(807张)。通过改进密集连接网络(DenseNet)开发了一个轻量、高效的深度学习模型,实现对15个儿童心脏超声标准切面的自动识别,并与DenseNet121、InceptionV3、MobileNetV3 3种常用的深度学习模型进行比较。以人工手动标注结果为金标准,采用准确度、精确率、特异度、召回率和F1指数评价深度学习模型的识别性能。使用参数量、模型大小和浮点运算数3个指标评估模型的识别效率。采用混淆矩阵展示模型的识别结果,并通过热力图反映模型对图像特征的关注度。结果 DenseNet121、InceptionV3、MobileNetV3模型和所提出的深度学习模型识别15个儿童心脏超声标准切面和非标准切面的平均F1指数分别为94.59%、95.13%、92.41%、94.73%,参数量分别为7.0×10~6、24.4×10~6、4.2×10~6、1.8×10~6,模型大小分别为13.941、48.777、8.445、3.588 MB,浮点运算数分别为11.16×10~9、12.89×10~9、0.86×10~9、3.05×10~9。从混淆矩阵和热力图可以看出,所提出的模型对15个儿童心脏超声标准切面和非标准切面的识别率高于DenseNet121、InceptionV3、MobileNetV3模型,且能够关注到超声切面中的关键特征区域。结论 所提出的深度学习模型可准确地识别儿童心脏超声标准切面,且模型的参数量较少,运行效率较高。 展开更多
关键词 心脏超声 儿童 深度学习 标准切面 智能识别
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