典型文献
基于深度迁移学习的牙源性囊肿病理图像鉴别诊断方法研究
文献摘要：
目的:基于深度迁移学习实现牙源性囊肿病理图像自动化鉴别诊断,为病理医师提供参考.方法:收集诊断为牙源性角化囊肿和正角化牙源性囊肿的数字病理图像各50张,应用自动化分割方法获取上皮组织图像,将分割后的图像切割为小图像块作为训练集、验证集和独立测试集,其中训练集和验证集用于建立模型,测试集用于评价模型预测能力.使用深度迁移学习的方法基于VGG16网络建立诊断模型,并对该模型鉴别诊断的效果进行评估.结果:基于深度迁移学习的诊断模型在测试集上准确率达到96.96％,模型可以较好地区分牙源性角化囊肿和正角化牙源性囊肿;将同一图像的小图像块的分类概率取均值作为该图像的分类概率,模型的诊断准确率为100％.结论:在较少的样本量下,基于深度迁移学习建立的诊断模型应用于牙源性囊肿病理图像鉴别准确率较高,可以作为提高病理医师诊断效率的辅助工具.
文献关键词：
牙源性囊肿;正角化牙源性囊肿;牙源性角化囊肿;迁移学习;深度学习;深度迁移学习;病理图像
中图分类号：
作者姓名：
方嘉琨;张建运
作者机构：
北京大学口腔医学院(口腔医院),国家口腔医学中心,国家口腔疾病临床医学研究中心,口腔数字化医疗技术和材料国家工程实验室,北京100081
文献出处：
引用格式：
[1]方嘉琨;张建运-.基于深度迁移学习的牙源性囊肿病理图像鉴别诊断方法研究)[J].医疗卫生装备,2022(06):14-17
A类：
正角化牙源性囊肿
B类：
深度迁移学习,鉴别诊断,牙源性角化囊肿,数字病理图像,分割方法,上皮组织,训练集,验证集,测试集,建立模型,预测能力,使用深度,VGG16,诊断模型,分牙,诊断准确率,样本量,模型应用,诊断效率,辅助工具
AB值：
0.171331
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。
