典型文献
基于深度神经网络的颈动脉斑块超声图像诊断技术研究
文献摘要：
目的 构建颈动脉斑块超声图像数据集,探讨深度学习技术对颈动脉斑块自动分类诊断的应用价值.方法 选取354例颈动脉斑块患者和254例正常成人的超声图像,每例均采集2幅颈部动脉图像,构建共包含1216幅颈动脉超声图像的数据集;基于已构建的颈动脉超声图像数据集对传统的HOG+SVM方法和14种不同结构的深度神经网络模型进行训练;通过分类精确率、召回率、精确率和召回率的调和平均值(F1)确定现有的颈动脉斑块超声图像分类性能最好的深度神经网络模型.结果 通过综合比较15种不同的颈动脉斑块超声图像分类方法,得出性能最好的模型为深度残差网络模型ResNet50,其精确率、召回率和F1值分别为97.36％、97.32％和97.34％.结论 基于ResNet的颈动脉超声图像自动诊断方法能够准确地区分颈动脉斑块与正常颈动脉超声图像,为后续临床应用提供了技术参考.
文献关键词：
深度学习;超声图像集;颈动脉;深度残差网络;ResNet50;超声图像自动诊断
中图分类号：
作者姓名：
莫莹君;刘友员;郭瑞斌
作者机构：
410000 长沙市,湖南省第二人民医院超声科;中国人民解放军国防科技大学智能科学学院
文献出处：
引用格式：
[1]莫莹君;刘友员;郭瑞斌-.基于深度神经网络的颈动脉斑块超声图像诊断技术研究)[J].临床超声医学杂志,2022(05):382-385
A类：
超声图像自动诊断,超声图像集
B类：
颈动脉斑块,图像诊断,诊断技术,图像数据集,深度学习技术,自动分类,分类诊断,正常成人,颈部动脉,脉图,颈动脉超声,HOG+SVM,深度神经网络模型,精确率,召回率,调和平均,超声图像分类,分类性能,分类方法,深度残差网络模型,ResNet50
AB值：
0.175133
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。
