典型文献
基于密度分布特征的深度神经网络模型诊断COVID-19的价值
文献摘要：
目的:评价基于密度分布特征(CDD)的深度神经网络(DNN)模型对新型冠状病毒肺炎(COVID-19)的诊断价值.方法:收集42例COVID-19病例和43例非COVID-19肺炎病例.将所有患者的211份胸部CT图像分为训练集(n=128)和验证集(n=83).参考北美放射学会发布的COVID-19相关性肺炎的CT结构化报告,构建基于CT影像特征的DNN模型(DNN-CTIF).根据胸部CT图像上肺炎CDD建立DNN-CDD模型.采用ROC曲线分析和决策曲线分析对两种模型进行评价.结果:DNN-CTIF模型的AUC在训练集为0.927,在验证集为0.829.DNN-CDD模型的AUC在训练集为0.965,在验证集为0.929.DNN-CDD模型在验证集的AUC高于DNN-CTIF模型(P=0.047).决策曲线分析表明在0.04～1.00概率阈值范围内,DNN-CDD模型相比DNN-CTIF模型使患者的净获益更高.结论:DNN-CTIF和DNN-CDD模型对COVID-19均具有较好的诊断性能,其中DNN-CDD模型优于DNN-CTIF模型.
文献关键词：
新型冠状病毒肺炎;密度分布特征;CT图像特征;深度神经网络
中图分类号：
作者姓名：
李文;韩冬;郭佑民;任转勤;田宏哲
作者机构：
宝鸡市中心医院医学影像科,陕西宝鸡721008;陕西中医药大学附属医院医学影像科,陕西咸阳712021;西安交通大学第一附属医院医学影像科,陕西西安710061
文献出处：
引用格式：
[1]李文;韩冬;郭佑民;任转勤;田宏哲-.基于密度分布特征的深度神经网络模型诊断COVID-19的价值)[J].中国医学物理学杂志,2022(08):972-979
A类：
CTIF
B类：
基于密度,密度分布特征,深度神经网络模型,CDD,DNN,诊断价值,胸部,训练集,验证集,北美,放射学,相关性肺炎,结构化报告,影像特征,分析和决策,决策曲线分析,集为,概率阈值,阈值范围,诊断性,图像特征
AB值：
0.191245
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。
