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：
基于深度学习的4种肺部超声征象分类
1
作者 段晓倩 陈建刚 +6 位作者 王茵 秦伟 曹羽成 马烨波 王卓然 魏高峰 沈梦君 《海军军医大学学报》 CAS CSCD 北大核心 2022年第8期901-907,共7页
目的探究基于深度残差网络ResNet152对4种常见肺部超声征象的分类。方法前瞻性收集2020年6月至9月在同济大学附属上海市肺科医院超声科进行超声检查患者的超声图像,分别采集A线、B线、胸腔积液、肺实变的肺部超声图像各1500张。选择其... 目的探究基于深度残差网络ResNet152对4种常见肺部超声征象的分类。方法前瞻性收集2020年6月至9月在同济大学附属上海市肺科医院超声科进行超声检查患者的超声图像,分别采集A线、B线、胸腔积液、肺实变的肺部超声图像各1500张。选择其中清晰、未被骨骼遮挡、征象单一的图像,最终入选A线图像1388张、B线图像1375张、胸腔积液图像1384张、肺实变图像1398张。采用深度残差网络ResNet152进行分类模型的训练和验证,并在完全独立于训练集和验证集的测试集上测试模型的泛化能力。以精确率、准确度、特异度、召回率和F1指数评价深度分类模型的分类性能,并通过混淆矩阵直观地展示分类结果。结果基于深度残差网络的分类模型分类A线、B线、胸腔积液和肺实变4种征象的精确率分别为97.51%、87.31%、85.42%、93.70%,召回率分别为90.38%、86.97%、94.25%、91.18%。4种肺征象的整体分类精确率为90.99%,准确度为90.70%,特异度为96.85%,F1指数为90.50%,表现出优秀的分类特性。结论基于深度残差网络的肺部超声分类模型表现出较高的分类特性,有潜力辅助超声医师做出诊断。 展开更多
关键词 肺 超声检查 深度学习 深度残差网络 四分类
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