典型文献
改进U-Net神经网络模型在甲状腺结节自动分割中的应用价值
文献摘要：
目的:探讨改进U-Net神经网络模型在甲状腺结节自动分割中的应用价值.方法:优化和改进U-Net神经网络模型,选取2020年7-12月于医院超声科就诊的甲状腺结节患者的超声图像共计1140幅,所有图像均经从事超声诊断工作5年以上医师进行甲状腺结节的人工分割,对其中的860幅甲状腺结节的图像(训练集)进行建模训练,另280幅甲状腺结节的图像(验证集)进行模型验证,对模型分割的准确度进行分析.结果:改进U-Net神经网络模型对甲状腺结节自动分割的Dice相似性系数(DSC)为0.899,交并比(IOU)为0.862,准确度(Acc)为0.995.验证集中的280幅图像总计运行时长为309 s,平均每幅图像的分割时间为1.1 s,识别速度十分迅速.结论:构建的改进U-Net神经网络模型对于甲状腺结节的自动分割具有较好的分割效果和较高的精确度,且分割速度迅速,可大幅度提高甲状腺结节整体的筛查、诊断和治疗效率,具有较高的临床应用价值.
文献关键词：
人工智能(AI);计算机辅助诊断(CAD);甲状腺结节;U-Net神经网络;自动分割
中图分类号：
作者姓名：
张雨;肖志勇;丁炎;朱晓巍;秦安;常艳华;吴鹏西;周锋盛
作者机构：
南京医科大学附属无锡人民医院超声科 江苏 无锡 214023;江南大学人工智能与计算机学院 江苏 无锡 214023;南京医科大学附属无锡人民医院内分泌科 江苏 无锡 214023;南京医科大学附属无锡人民医院甲乳外科 江苏 无锡 214023;南京医科大学附属无锡人民医院病理科 江苏 无锡 214023
文献出处：
引用格式：
[1]张雨;肖志勇;丁炎;朱晓巍;秦安;常艳华;吴鹏西;周锋盛-.改进U-Net神经网络模型在甲状腺结节自动分割中的应用价值)[J].中国医学装备,2022(05):30-33
A类：
B类：
Net,甲状腺结节,节自,自动分割,优化和改进,医院超声科,超声图像,超声诊断,上医,工分,训练集,验证集,模型验证,模型分割,Dice,相似性系数,DSC,交并比,IOU,Acc,总计,运行时长,每幅,十分迅速,分割效果,大幅度提高,诊断和治疗,治疗效率,临床应用价值,计算机辅助诊断,CAD
AB值：
0.311533
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。
