典型文献
基于AlexNet的桥小脑角脑膜瘤和听神经瘤MRI图像的识别研究
文献摘要：
目的:使用卷积神经网络及磁共振图像鉴别脑膜瘤与听神经瘤,研究影响识别的原因并提升准确率.方法:采集388位患者的增强后T1WI影像,将其进行筛选和扩充,分别将原始数据集与扩充后数据集对卷积神经网络AlexNet进行训练并输出预测结果,对预测结果进行分析.结果:扩充数据集模型的训练准确率为0.8026,明显高于原数据集模型的训练准确率的0.7526.结论:数据集越大对识别的准确率有显著的提高,使用磁共振图像训练的卷积神经网络用于肿瘤识别具有实际的临床意义.
文献关键词：
桥小脑角脑膜瘤;听神经瘤;深度学习;卷积神经网络
中图分类号：
作者姓名：
江华;于同刚;吴丽琼;丁建;胡小洋;刘颖
作者机构：
上海伽玛医院 上海 200235;上海理工大学 上海 200093
文献出处：
引用格式：
[1]江华;于同刚;吴丽琼;丁建;胡小洋;刘颖-.基于AlexNet的桥小脑角脑膜瘤和听神经瘤MRI图像的识别研究)[J].中国医疗器械信息,2022(01):44-47
A类：
B类：
AlexNet,桥小脑角脑膜瘤,听神经瘤,磁共振图像,研究影响,T1WI,原始数据,输出预测,充数,数据集模型,图像训练,肿瘤识别,别具
AB值：
0.238868
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。
