典型文献
基于深度学习的高分辨率食管测压图谱中食管收缩活力分类
文献摘要：
高分辨率食管测压技术(HRM)作为检测食管动力障碍性疾病(EMD)的金标准,已广泛应用于临床试验以辅助医生进行诊断治疗.随着患病率的上升,HRM图像的数据量爆炸式增长,加之EMD的诊断流程较为复杂,临床上EMD误诊事件时有发生.为了提高EMD诊断的准确性,希望搭建一个计算机辅助诊断(Computer Aided Diagnosis,CAD)系统帮助医生对HRM图像进行自动分析.由于食管收缩活力的异常是诊断EMD的重要依据,该文提出了一个深度学习模型(PoS-ClasNet)以完成对HRM图像的食管收缩活力分类任务,为今后机器代替人工诊断EMD奠定基础.PoS-ClasNet作为一个多任务卷积神经网络(CNN)由PoSNet和S-ClasNet构成.前者用于HRM图像中吞咽框的检测和提取任务,后者根据食管吞咽特征鉴别收缩活力类型.实验使用了4000幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70％,20％和10％.在测试集上,食管收缩活力分类器PoS-ClasNet的分类准确率高达93.25％,精度和召回率分别为93.39％和93.60％.结果表明PoS-ClasNet能较好地适应HRM图像数据的特性,在智能诊断食管收缩活力的任务中表现出了不俗的准确性和稳健性.将它应用在临床上辅助医生诊疗,会带来巨大的社会效益.
文献关键词：
高分辨率食管测压;食管收缩活力;深度学习;卷积神经网络
中图分类号：
作者姓名：
贺福利;戴渝卓;李钊颖;粟日;曹聪;王姣菊;戴燎元;侯木舟;汪政
作者机构：
中南大学数学与统计学院 长沙 410083;湖南省计算机用户协会 长沙 410205;湖南第一师范大学科学与工程学院 长沙 410205
文献出处：
引用格式：
[1]贺福利;戴渝卓;李钊颖;粟日;曹聪;王姣菊;戴燎元;侯木舟;汪政-.基于深度学习的高分辨率食管测压图谱中食管收缩活力分类)[J].电子与信息学报,2022(01):78-88
A类：
食管收缩活力,ClasNet,PoSNet
B类：
高分辨率食管测压,HRM,食管动力,障碍性,EMD,金标准,临床试验,诊断治疗,患病率,数据量,爆炸式,诊断流程,误诊,时有发生,计算机辅助诊断,Computer,Aided,Diagnosis,CAD,自动分析,深度学习模型,分类任务,代替人工,一个多,多任务卷积神经网络,吞咽,别收,测试集,分类器,分类准确率,召回率,图像数据,智能诊断,不俗
AB值：
0.229289
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。
