典型文献
白细胞散点图识别模型的建立与验证
文献摘要：
目的 建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型,验证其有效性.方法 运用卷积自编码技术,算法训练采用pytorch框架,模型训练采用AlexNet为基准网络,加入先验知识算法形成双重验证机制.采用32729份WDF通道散点图作为初始数据集,由3位检验技师对散点图进行标定,根据2次标定结果是否完全一致将初始数据集分为特征显著散点图和特征不显著散点图,训练集、验证集和测试集A所含2类散点图数量按照8:1:1进行划分,即26185份散点图作为训练集,3272份散点图作为验证集,3272份散点图作为测试集A.再通过日常工作中11043份散点图(测试集B)验证模型精确率,并与检验技师的判断结果进行对比分析.结果 模型和检验技师在测试集A、B的精确率分别为0.956、0.967和0.924、0.932,模型和检验技师在测试集B所含正常、异常散点图精确率分别为0.979、0.935和0.992、0.795,所含特征显著、不显著散点图精确率分别为0.985、0.921和1.000、0.662.结论 当散点图特征不显著的情况时,该模型能够给出更加准确的结论,为检验技师提供有价值的参考,辅助检验技师作出正确的判断.
文献关键词：
白细胞散点图;医学图像分析;卷积自编码技术
中图分类号：
作者姓名：
赵天赐;李建英;连荷清;刘丹;王庚;王欣;李柏蕤;吴卫
作者机构：
中国医学科学院北京协和医院检验科,北京100730;北京小蝇科技有限责任公司,北京100084
文献出处：
引用格式：
[1]赵天赐;李建英;连荷清;刘丹;王庚;王欣;李柏蕤;吴卫-.白细胞散点图识别模型的建立与验证)[J].临床检验杂志,2022(04):246-250
A类：
卷积自编码技术
B类：
白细胞散点图,识别模型,建立与验证,全血细胞分析,白细胞分类,WDF,算法训练,pytorch,模型训练,AlexNet,基准网络,先验知识,成双,技师,标定结果,完全一致,训练集,验证集,测试集,所含,日常工作,验证模型,精确率,医学图像分析
AB值：
0.245683
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。
