典型文献
基于深度学习的儿童肺炎检测模型建立及应用
文献摘要：
目的:基于深度学习根据儿童胸部X光正位数字影像构建肺炎自动判别模型,辅助临床诊断,提高影像诊断效率.方法:首先通过选取公开数据集5856张儿童胸片(肺炎4273张,正常1583张),分为训练集、验证集和测试集,基于Resnet-50神经网络构建儿童肺炎自动判别模型,利用验证集选取最优模型,在测试集上做内部独立验证.进一步收集6家医疗单位共611张儿童胸片(肺炎300张,正常311张)进行外部验证,并根据验证结果对模型进行微调后再次测试,使模型更适合临床使用.结果:基于深度学习技术和公开数据集数据构建儿童肺炎自动判别模型,准确率为98.48％,精确率为99.54％,召回率为98.81％,F1-score为98.86％,AUC为0.999.外部验证初始结果准确率为59.90％,选用部分外部验证数据微调模型后,独立测试准确度提升至85.00％.结论:基于深度学习根据公开数据集构建肺炎自动判别模型具有可行性,准确率达98.48％,在实际临床使用时应根据具体使用条件选取适量数据集对模型进行微调.
文献关键词：
儿童;肺炎;深度学习;神经网络
中图分类号：
作者姓名：
董芳芬;陈群;李诺兮;徐本华;李小波
作者机构：
福建医科大学附属协和医院放疗科,福建省肿瘤智能影像与精准放疗重点实验室,福建省消化、血液系统与乳腺恶性肿瘤放射与治疗临床医学研究中心,福建福州350001;福建医科大学医学影像学院,福建福州350004;西北工业大学计算机学院,陕西西安710072;清华大学工程物理系,北京100084
文献出处：
引用格式：
[1]董芳芬;陈群;李诺兮;徐本华;李小波-.基于深度学习的儿童肺炎检测模型建立及应用)[J].中国医学物理学杂志,2022(12):1579-1584
A类：
B类：
儿童肺炎,肺炎检测,检测模型,建立及应用,胸部,正位,数字影像,影像构建,判别模型,影像诊断,诊断效率,公开数据集,胸片,训练集,验证集,测试集,Resnet,网络构建,最优模型,医疗单位,外部验证,微调,次测试,临床使用,深度学习技术,精确率,召回率,score,分外,数据集构建,使用条件,取适量
AB值：
0.431658
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。
