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
2
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
基于卷积神经网络建立中药材自动识别的人工智能模型及应用程序
被引量：
3
1
作者
王甘红
张子豪
+3 位作者
奚美娟
夏开建
周燕婷
陈健
《中国全科医学》
北大核心
2025年第9期1128-1136,共9页
背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行...
背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行深度学习模型的训练、验证和测试,共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征(ROC)曲线下面积(AUC)、F1分数等指标来衡量CNN模型的性能。在模型训练完成后,基于PyQt5技术开发了一款应用程序,供临床便携使用。结果本研究共纳入了276767张图像,开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet185种模型,通过性能比较,EfficientNet_B0模型在验证集上取得了最高的准确率(99.0%)和AUC(0.9942),被选为最佳模型。在测试集上,最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0,展现出良好的性能。结论基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材,借助其高灵敏度的识别能力,为医师对中药材的鉴别提供有力辅助。
展开更多
关键词
中药材
模式识别
自动
中药药材学
应用程序
人工智能
PyQt5
卷积神经网络
在线阅读
下载PDF
职称材料
基于深度学习的结直肠息肉内镜图像分割和分类方法比较
被引量：
5
2
作者
陈健
王珍妮
+3 位作者
夏开建
王甘红
刘罗杰
徐晓丹
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024年第6期762-772,共11页
目的·比较不同深度学习方法在结直肠息肉内镜图像分割和分类任务中的性能,以确定最优方法。方法·从3家医院采集4个结肠息肉数据集,涵盖1534个静态图像及15个肠镜视频。所有样本均经病理学验证,分为锯齿状病变和腺瘤性息肉2类...
目的·比较不同深度学习方法在结直肠息肉内镜图像分割和分类任务中的性能,以确定最优方法。方法·从3家医院采集4个结肠息肉数据集,涵盖1534个静态图像及15个肠镜视频。所有样本均经病理学验证,分为锯齿状病变和腺瘤性息肉2类。使用LabelMe工具进行多边形标注,将标注结果转换为整数掩膜格式。数据用于训练不同架构的深度神经网络,包括卷积神经网络、Transformer以及这2种技术的融合,建立有效的语义分割模型。对比不同架构模型自动诊断结肠息肉的多项性能指标,包括平均交并比(mIoU)、整体准确率(aAcc)、平均准确率(mAcc)、平均Dice系数(mDice)、平均F分数(mFscore)、平均精确率(mPrecision)和平均召回率(mRecall)。结果·开发了4种不同架构的语义分割模型,包括2种深度卷积神经网络架构(Fast-SCNN和DeepLabV3plus)、1种Transformer架构(Segformer)以及1种混合架构(KNet)。在对291张测试图像进行综合性能评估中,KNet最高mIoU为84.59%,显著优于Fast-SCNN(75.32%)、DeepLabV3plus(78.63%)和Segformer(80.17%)。在“背景”“锯齿状病变”和“腺瘤性息肉”3个类别上,KNet的交并比(IoU)分别为98.91%、74.12%和80.73%,均超越其他模型。KNet在关键性能指标上也表现优异,其中aAcc、mAcc、mDice、mFscore和mRecall分别达到98.59%、91.24%、91.31%、91.31%和91.24%,均优于其他模型。尽管在mPrecision上,91.46%并非最突出,但KNet的整体性能仍领先。在80张外部测试图像的推理测试中,KNet保持了81.53%的mIoU,展现出良好的泛化能力。结论·利用基于KNet混合架构的深度神经网络构建的结直肠息肉内镜图像语义分割模型表现出优异的预测性能,具有成为检测结直肠息肉高效工具的潜力。
展开更多
关键词
深度学习
结直肠息肉
卷积神经网络
TRANSFORMER
图像分割
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络建立中药材自动识别的人工智能模型及应用程序
被引量：
3
1
作者
王甘红
张子豪
奚美娟
夏开建
周燕婷
陈健
机构
江苏省
常熟市
中医院(
常熟市
新区医院)消化内科
上海豪兄教育科技有限公司
江苏省常熟市医学人工智能与大数据重点实验室
江苏省
常熟市
第一人民医院消化内科
出处
《中国全科医学》
北大核心
2025年第9期1128-1136,共9页
基金
常熟市医学人工智能与大数据重点实验室能力提升项目(CYZ202301)
常熟市医药卫生科技计划项目(CSWS202316)
+2 种基金
常熟市科技发展计划项目(CS202019)
江苏省333高层次人才培养工程(SZFCXK202147)
苏州市应用基础研究科技创新项目(SYWD2024059)。
文摘
背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行深度学习模型的训练、验证和测试,共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征(ROC)曲线下面积(AUC)、F1分数等指标来衡量CNN模型的性能。在模型训练完成后,基于PyQt5技术开发了一款应用程序,供临床便携使用。结果本研究共纳入了276767张图像,开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet185种模型,通过性能比较,EfficientNet_B0模型在验证集上取得了最高的准确率(99.0%)和AUC(0.9942),被选为最佳模型。在测试集上,最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0,展现出良好的性能。结论基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材,借助其高灵敏度的识别能力,为医师对中药材的鉴别提供有力辅助。
关键词
中药材
模式识别
自动
中药药材学
应用程序
人工智能
PyQt5
卷积神经网络
Keywords
Traditional Chinese medicine herbals
Pattern recognition,automated
Materia Medica Science(TCD)
Application
Artificial intelligence
PyQt5
Convolutional neural networks
分类号
R282 [医药卫生—中药学]
在线阅读
下载PDF
职称材料
题名
基于深度学习的结直肠息肉内镜图像分割和分类方法比较
被引量：
5
2
作者
陈健
王珍妮
夏开建
王甘红
刘罗杰
徐晓丹
机构
江苏省
常熟市
第一人民医院(苏州大学附属
常熟
医院)消化内科
江苏省常熟市医学人工智能与大数据重点实验室
江苏省
常熟市
中医院消化内科
出处
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024年第6期762-772,共11页
基金
苏州市第二十三批科技发展计划项目(SLT2023006)
常熟市医学人工智能与大数据重点实验室能力提升项目(CYZ202301)
苏州市护理学会科研项目(SZHL-B-202407)。
文摘
目的·比较不同深度学习方法在结直肠息肉内镜图像分割和分类任务中的性能,以确定最优方法。方法·从3家医院采集4个结肠息肉数据集,涵盖1534个静态图像及15个肠镜视频。所有样本均经病理学验证,分为锯齿状病变和腺瘤性息肉2类。使用LabelMe工具进行多边形标注,将标注结果转换为整数掩膜格式。数据用于训练不同架构的深度神经网络,包括卷积神经网络、Transformer以及这2种技术的融合,建立有效的语义分割模型。对比不同架构模型自动诊断结肠息肉的多项性能指标,包括平均交并比(mIoU)、整体准确率(aAcc)、平均准确率(mAcc)、平均Dice系数(mDice)、平均F分数(mFscore)、平均精确率(mPrecision)和平均召回率(mRecall)。结果·开发了4种不同架构的语义分割模型,包括2种深度卷积神经网络架构(Fast-SCNN和DeepLabV3plus)、1种Transformer架构(Segformer)以及1种混合架构(KNet)。在对291张测试图像进行综合性能评估中,KNet最高mIoU为84.59%,显著优于Fast-SCNN(75.32%)、DeepLabV3plus(78.63%)和Segformer(80.17%)。在“背景”“锯齿状病变”和“腺瘤性息肉”3个类别上,KNet的交并比(IoU)分别为98.91%、74.12%和80.73%,均超越其他模型。KNet在关键性能指标上也表现优异,其中aAcc、mAcc、mDice、mFscore和mRecall分别达到98.59%、91.24%、91.31%、91.31%和91.24%,均优于其他模型。尽管在mPrecision上,91.46%并非最突出,但KNet的整体性能仍领先。在80张外部测试图像的推理测试中,KNet保持了81.53%的mIoU,展现出良好的泛化能力。结论·利用基于KNet混合架构的深度神经网络构建的结直肠息肉内镜图像语义分割模型表现出优异的预测性能,具有成为检测结直肠息肉高效工具的潜力。
关键词
深度学习
结直肠息肉
卷积神经网络
TRANSFORMER
图像分割
Keywords
deep learning
colorectal polyp
convolutional neural network
Transformer
image segmentation
分类号
R574.6 [医药卫生—消化系统]
TP181 [自动化与计算机技术—控制理论与控制工程]
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
基于卷积神经网络建立中药材自动识别的人工智能模型及应用程序
王甘红
张子豪
奚美娟
夏开建
周燕婷
陈健
《中国全科医学》
北大核心
2025
3
在线阅读
下载PDF
职称材料
2
基于深度学习的结直肠息肉内镜图像分割和分类方法比较
陈健
王珍妮
夏开建
王甘红
刘罗杰
徐晓丹
《上海交通大学学报（医学版）》
CAS
CSCD
北大核心
2024
5
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
