典型文献
基于深度学习的翼状胬肉自动分类系统研究
文献摘要：
目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值.方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片.在原始数据集和增强数据集上分别训练7个三分类模型.测试临床470张图片,比较数据增强前后模型的泛化能力,确定可用于翼状胬肉自动分类系统的最好模型.结果:在原始数据集上训练最好模型的灵敏度平均值为92.55％,特异度平均值为96.86％,AUC平均值为94.70％.数据增强后,不同模型灵敏度、特异度和AUC平均提升3.7％、1.9％ 和2.7％.在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63％,特异度平均值为97.34％,AUC平均值为95.47％.结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果,可用于翼状胬肉自动分类系统.该自动分类系统能较好地诊断翼状胬肉疾病,有望成为基层医疗的有效筛查工具,也为翼状胬肉的细化分级研究提供参考.
文献关键词：
人工智能;深度学习;翼状胬肉;分类模型;数据增强;迁移学习
中图分类号：
作者姓名：
何楷;吴茂念;郑博;杨卫华;朱绍军;金玲
作者机构：
313000 中国浙江省湖州市,湖州师范学院信息工程学院;313000 中国浙江省湖州市,浙江省现代农业资源智慧管理与应用研究重点实验室;210029 中国江苏省南京市,南京医科大学附属眼科医院 眼科人工智能大数据实验室
文献出处：
引用格式：
[1]何楷;吴茂念;郑博;杨卫华;朱绍军;金玲-.基于深度学习的翼状胬肉自动分类系统研究)[J].国际眼科杂志,2022(05):711-715
A类：
EfficientNetB7
B类：
翼状胬肉,自动分类,分类系统,分类诊断,诊断系统,南京医科大学,眼科医院,共收,观察期,手术期,眼前节,原始数据,三分类,分类模型,数据增强,泛化能力,分类效果,基层医疗,筛查工具,分级研究,迁移学习
AB值：
0.210671
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
