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3D卷积神经网络模型鉴别诊断早期急性坏死性胰腺炎
1
作者 安富珍 肖波 +3 位作者 何汶静 蒋宪 周婷婷 祝元仲 《中国医学计算机成像杂志》 北大核心 2025年第1期72-80,共9页
目的:探讨基于CT平扫的3D卷积神经网络模型鉴别诊断早期急性坏死性胰腺炎(ANP)的价值。方法:回顾性收集川北医学院附属医院2016年1月至2024年2月收治的450例急性胰腺炎(AP)患者的腹部CT平扫及同期增强影像资料和一般临床资料。以改良CT... 目的:探讨基于CT平扫的3D卷积神经网络模型鉴别诊断早期急性坏死性胰腺炎(ANP)的价值。方法:回顾性收集川北医学院附属医院2016年1月至2024年2月收治的450例急性胰腺炎(AP)患者的腹部CT平扫及同期增强影像资料和一般临床资料。以改良CT严重指数(MCTSI)为评判标准,在增强CT图像上将450例AP患者分为间质水肿性AP(315例)和坏死性AP(135例)。按8∶1∶1的比例,将患者的CT平扫图像随机划分为训练集(362例)、验证集(44例)和测试集(44例)。经过预处理的CT平扫图像分别输入ShuffleNet3D、SqueezeNet3D、ResNet3D、MobileNet3D模型进行鉴别分类。使用灵敏度、特异度、准确度、F1得分、马修斯相关系数(MCC)、混淆矩阵、受试者工作特征(ROC)曲线及曲线下面积(AUC)等参数来评估各模型的性能。结果:在早期ANP的鉴别分类中,MobileNet3D、ResNet3D、SqueezeNe3D以及ShuffleNet3D网络模型独立测试集的灵敏度分别为1.000、0.846、0.769、0.769;F1得分分别为0.667、0.667、0.588、0.588;MCC分别为0.536、0.509、0.379、0.379;AUC分别为0.91、0.83、0.70、0.81。结论:基于CT平扫的3D卷积神经网络模型中,MobileNet3D模型鉴别诊断早期ANP性能良好,可为临床诊疗提供辅助性决策参考。 展开更多
关键词 深度学习 卷积神经网络 急性坏死型胰腺炎
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