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：
基于深度学习技术自动识别前纵隔病变
1
作者 吕宝雷 管添 +4 位作者 孙超 耿嘉懿 陈灿灿 王大为 陈修远 《广西医科大学学报》 2025年第5期710-719,共10页
目的:开发并验证了一种用于自动检测前纵隔病变的深度学习算法,以提高胸部CT检查中前纵隔病变的诊断效率。方法:本研究纳入了2015—2022年来自两个医疗中心的256例接受胸部CT检查的患者,其中145例存在前纵隔病变。前纵隔病变的轮廓由两... 目的:开发并验证了一种用于自动检测前纵隔病变的深度学习算法,以提高胸部CT检查中前纵隔病变的诊断效率。方法:本研究纳入了2015—2022年来自两个医疗中心的256例接受胸部CT检查的患者,其中145例存在前纵隔病变。前纵隔病变的轮廓由两位资深放射科医生手动勾勒。研究基于ResUnet算法结合多感兴趣区域(MultiROI)策略和数据增强方法构建3个深度学习模型,用于分割病变并减少假阳性。通过DICE指数、灵敏度、特异度以及自由响应受试者工作特征(FROC)曲线,在内部和外部测试集上对模型性能进行评估。结果:最优模型3在内部测试集和外部测试集的DICE评分分别提升至0.834和0.643。在检测任务中,其在内部和外部测试集中的灵敏度相近,分别为0.794和0.773,特异度分别为0.893和0.836。此外,每例扫描的假阳性率降至0.125和0.101,平均预测时间为21.13~26.12 s。结论:该深度学习算法能够在CT图像上准确分割和检测前纵隔病变,具有辅助临床诊断前纵隔病变的潜力。 展开更多
关键词 前纵隔病变 深度学习 人工智能 resunet算法 多感兴趣区域策略 数据增强方法
暂未订购
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
使用帮助 返回顶部