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CT平扫的深度学习模型鉴别骨岛与成骨型转移癌
1
作者 胡海涛 金龙 +4 位作者 尹胜男 计一丁 龚亨 丁宁 吴胤赟 《中国医学计算机成像杂志》 北大核心 2025年第4期548-552,共5页
目的:评价CT深度学习模型鉴别骨岛和成骨型转移癌的诊断性能。方法:回顾性分析来自2家医疗机构共546名患者的CT平扫图像,按7︰3比例将患者随机分为训练集及测试集,采用6种基于卷积神经网络(CNN)的深度学习模型(ResNet-101、ResNet-50,De... 目的:评价CT深度学习模型鉴别骨岛和成骨型转移癌的诊断性能。方法:回顾性分析来自2家医疗机构共546名患者的CT平扫图像,按7︰3比例将患者随机分为训练集及测试集,采用6种基于卷积神经网络(CNN)的深度学习模型(ResNet-101、ResNet-50,DenseNet-121、MobileNet-v3-small、Inception-v3和Vgg19)对骨岛和成骨型转移癌进行鉴别。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),使用标准指标评估每个模型的诊断性能,包括准确率、灵敏度、特异度和F1评分。结果:6种深度学习模型均表现出优秀的诊断性能,经DeLong检验,各模型之间无统计学差异(P>0.05)。ResNet-101、ResNet-50、DenseNet-121、MobileNet-v3-small、Inception-v3和Vgg19模型的AUC为0.956、0.954、0.950、0.953、0.944及0.952;准确率为0.916、0.916、0.925、0.925、0.916及0.916。结论:基于CT平扫的深度学习模型在鉴别骨岛和成骨型转移癌表现出优秀的性能。 展开更多
关键词 骨硬化 肿瘤转移 深度学习 计算机体层成像
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