典型文献
基于深度学习的颅脑损伤机制自动化鉴别
文献摘要：
目的 应用卷积神经网络Inception_v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景.方法 收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照.将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集.采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能.结果 模型在训练过程和验证过程中对3种图像(加速性损伤、减速性损伤及正常颅脑)分类的最高准确率分别为99.00％、87.21％,满足要求.使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18％,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38％、90.00％、87.10％、0.98,识别减速性损伤的各值分别为86.67％、72.22％、78.79％、0.92,识别正常颅脑的各值分别为88.57％、89.86％、89.21％、0.93.结论 Inception_v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具.
文献关键词：
法医学;加速性脑损伤;减速性脑损伤;图像分类;深度学习;卷积神经网络;受试者操作特征曲线;Inception_v3模型
中图分类号：
作者姓名：
杨琦帆;孙雪阳;王彦斌;田志岭;董贺文;万雷;邹冬华;于笑天;张广政;刘宁国
作者机构：
郑州大学基础医学院法医学系,河南 郑州 450000;司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063;中国合格评定国家认可中心,北京100062
文献出处：
引用格式：
[1]杨琦帆;孙雪阳;王彦斌;田志岭;董贺文;万雷;邹冬华;于笑天;张广政;刘宁国-.基于深度学习的颅脑损伤机制自动化鉴别)[J].法医学杂志,2022(02):223-230
A类：
减速性脑损伤,加速性脑损伤
B类：
颅脑损伤,损伤机制,Inception,v3,自动鉴别,深度学习技术,法医学,成伤机制,另选,随机抽样,验证集,测试集,精确率,召回率,模型分类性能,训练过程,验证过程,加速性损伤,伤及,满足要求,使用优化,三分类,分类准确率,别加,断头,致伤方式,辅助工具,图像分类,受试者操作特征曲线
AB值：
0.29466
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。
