典型文献
基于改进3D-DenseNet的胆囊癌诊断模型研究
文献摘要：
为辅助临床诊断胆囊癌,使用深度学习技术,通过改进的3D-DenseNet建立一个基于患者增强CT影像的胆囊癌辅助诊断模型.首先,将患者多张动脉期CT转化为三维影像,利用医生标注的胆囊区域,将三维影像切割出感兴趣区域;然后对传统DenseNet网络进行优化,改进Dropout机制与Softmax损失函数并在输出部分将交叉熵函数替换为Focal-loss以进行不平衡校正,从而建立胆囊癌辅助诊断模型;最后,将测试集结果与金标准进行比较,采用ROC曲线、召回率、准确率评估模型性能.通过训练集不断迭代训练,模型损失函数值逐渐收敛,诊断误差也不断下降,在尝试过多种不同的模型结构后,选取出的最优模型准确率为91.4％,特异度为95.2％,灵敏度为88.0％,精确率为95.8％.基于改进3D-DenseNet的胆囊癌诊断模型使用多张患者CT影像数据提取深度特征,充分利用了医疗检测数据,具有较佳的性能和较高的诊断准确率,可以辅助临床进行胆囊癌诊断.
文献关键词：
胆囊癌;三维卷积神经网络;人工智能;深度学习;诊断模型
中图分类号：
作者姓名：
尹梓名;慕长龄;束翌俊
作者机构：
上海理工大学健康科学与工程学院,上海200093;上海交通大学医学院附属新华医院普外科,上海200092
文献出处：
引用格式：
[1]尹梓名;慕长龄;束翌俊-.基于改进3D-DenseNet的胆囊癌诊断模型研究)[J].软件导刊,2022(04):51-56
A类：
B类：
DenseNet,胆囊癌,诊断模型,使用深度,深度学习技术,辅助诊断,多张,动脉期,三维影像,割出,感兴趣区域,Dropout,Softmax,损失函数,交叉熵函数,Focal,loss,平衡校正,测试集,集结,金标准,召回率,模型性能,训练集,迭代训练,函数值,试过,多种不同,模型结构,最优模型,模型准确率,精确率,模型使用,影像数据,数据提取,深度特征,医疗检测,检测数据,较佳,诊断准确率,三维卷积神经网络
AB值：
0.39553
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。
