典型文献
基于Faster-RCNN的肝细胞癌与肝内胆管细胞癌多模态MR影像智能肿瘤识别与分类诊断模型构建
文献摘要：
目的 探讨基于Faster-区域卷积神经网络(RCNN)的肝细胞肝癌与肝内胆管细胞癌(HCC/ICC)多模态MR影像肿瘤识别及分类诊断模型的应用可行性.方法 选取2017年1月—2020年1月我院接受手术的156例HCC或ICC,术前4周内行MR增强扫描,使用image_registration软件chi2_shift方法对患者MR动脉期、静脉期及延迟期影像进行配准、融合,利用Faster-RCNN模型对患者进行肿瘤目标识别及分类.通过Z轴连续性筛选方法降低肿瘤识别的假阳性率,在患者层面使用加权投票方法获得分类诊断结果.结果 Faster-RCNN模型可以有效识别肿瘤区域并进行分类诊断.Z轴连续性筛选可以降低肿瘤识别的假阳性率,提高精确率和召回率.经配准后的融合图像在图像层面目标识别精确率为83.7％,召回率为91.9％,分类整体准确率为92.0％;在患者层面,加权投票后融合影像的分类整体准确率为93.5％.结论 基于Faster-RCNN的HCC/ICC多模态MR影像鉴别诊断模型可以高效、准确地对HCC/ICC进行目标识别和分类诊断,有望实现临床转化,协助诊疗工作.
文献关键词：
肝肿瘤;胆管上皮癌;Faster-区域卷积神经网络;磁共振成像;肿瘤识别;分类诊断
中图分类号：
作者姓名：
雷磊;李俊杰;王倩梅;赵鹏;刘传明
作者机构：
710032 西安,空军军医大学西京医院急诊科
文献出处：
引用格式：
[1]雷磊;李俊杰;王倩梅;赵鹏;刘传明-.基于Faster-RCNN的肝细胞癌与肝内胆管细胞癌多模态MR影像智能肿瘤识别与分类诊断模型构建)[J].临床误诊误治,2022(01):38-42
A类：
chi2
B类：
Faster,RCNN,肝细胞癌,肝内胆管细胞癌,MR,肿瘤识别,识别与分类,分类诊断,诊断模型,区域卷积神经网络,肝细胞肝癌,HCC,ICC,应用可行性,我院,内行,增强扫描,image,registration,shift,动脉期,配准,目标识别,筛选方法,假阳性率,加权投票,投票方法,诊断结果,肿瘤区,精确率,召回率,融合图像,面目标,影像鉴别诊断,临床转化,肝肿瘤,胆管上皮癌,磁共振成像
AB值：
0.283733
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。
