典型文献
DCE-MRI扫描不同微调参数MobileNetV2识别乳腺良恶性病变分析
文献摘要：
目的 通过比较动态对比增强磁共振(DCE-MRI)扫描不同微调策略下的MobileNetV2对乳腺DCE-MRI良恶性病变的识别准确率,从而确定最佳的模型微调策略.方法 选取2017-01-01-2020-12-31南京医科大学附属常州第二人民医院收治的乳腺病变患者310例,其中17例患者为双侧乳腺病变.共获得良性组图像8712幅,恶性组图像5148幅.分别将2组图像按照4:1比例分为训练集和测试集.比较19种微调策略(S0～S18)下的MobileNetV2模型性能,选择最佳模型,并在验证集(另选乳腺良性和恶性病变各25个)中对模型性能进一步验证.以训练集中的准确率(Ac)和损失值以及在验证集中的平均Ac、召回率(Rc)、f1评分(f1)和ROC曲线下面积(AUC)为模型性能指标.结果 S0～S18在训练集中Ac均>99.90％,测试集中Ac以S16最高,为95.48％.S16模型在验证集中的平均Ac、Rc、f1和AUC分别为80.00％、0.80、0.80、0.80,均高于其他微调策略.联合诊断Ac(84.00％)高于人工诊断Ac(68.00％).联合诊断与病理组织学诊断2种方法的吻合度最高,Kappa=0.680,P<0.001.结论 S16是MobileNetV2微调的最佳策略,联合诊断能够提高乳腺DCE-MRI良恶性病变的识别Ac.
文献关键词：
MobileNetV2;微调;迁移学习;乳腺肿瘤;磁共振成像
中图分类号：
作者姓名：
孟名柱;何光远;沈栋;张铭;郭毅
作者机构：
南京医科大学附属常州第二人民医院医学影像科,江苏 常州 213164
文献出处：
引用格式：
[1]孟名柱;何光远;沈栋;张铭;郭毅-.DCE-MRI扫描不同微调参数MobileNetV2识别乳腺良恶性病变分析)[J].中华肿瘤防治杂志,2022(24):1753-1760
A类：
B类：
DCE,MobileNetV2,乳腺良恶性病变,动态对比增强磁共振,微调策略,识别准确率,模型微调,南京医科大学,常州,乳腺病变,共获,训练集,测试集,S0,S18,模型性能,验证集,另选,Ac,损失值,召回率,Rc,f1,S16,联合诊断,病理组织学,吻合度,Kappa,迁移学习,乳腺肿瘤,磁共振成像
AB值：
0.234497
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。
