典型文献
基于AI异物检测的正位X线胸片质控模型应用研究
文献摘要：
目的:利用深度学习技术建立影像质控分类算法模型,提高对X线胸片异物的检出效能.方法:利用深度学习卷积神经网络ResNet-50开发全自动正位X线胸片影像异物检测模型,实现正常X线胸片影像与存有异物影像的分类,并通过热力图的形式显示具体质控识别点的位置和范围.结果:该模型在验证集的准确率达96.9％,AUC为0.994(95％CI:0.993～0.995),采用AI辅助质控对每张X线胸片进行分类的速度较人工质控快10倍.结论:模型的准确性、速度和轻量级架构使得该模型适合嵌入医院PACS系统中进行质量控制管理.
文献关键词：
医学影像;质量控制;异物检测
中图分类号：
作者姓名：
李裴;刘慧;钱宝鑫;朱莉
作者机构：
221000江苏徐州,徐州医科大学附属医院信息处;慧影医疗科技股份有限公司
文献出处：
引用格式：
[1]李裴;刘慧;钱宝鑫;朱莉-.基于AI异物检测的正位X线胸片质控模型应用研究)[J].中国数字医学,2022(11):32-37
A类：
B类：
异物检测,正位,胸片,模型应用,深度学习技术,像质,分类算法,算法模型,ResNet,检测模型,存有,热力图,形式显示,验证集,每张,人工质控,轻量级,得该,PACS,质量控制管理,医学影像
AB值：
0.371328
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。
