典型文献
深度学习技术在胎儿超声心动图图像自动识别中的应用
文献摘要：
目的 探讨深度学习技术在胎儿超声心动图图像自动识别中应用的可行性.方法 对YOLOv4模型进行改进,引入多级残差混合注意力机制模块(MRHAM),建立MRHAM?YOLOv4?Slim模型.选取青岛大学附属妇女儿童医院收集的2000张标准胎儿超声心动图四腔心切面图片建立实验数据集,将MRHAM?YOLOv4?Slim与多种学习模型进行图像识别的分析比较,验证该模型的有效性.结果 本研究建立的学习模型能够更精确识别图像中的心腔结构,准确率为0.85,召回率为0.92,F1分数为0.88,平均精度为0.910.该模型具体识别左心房、右心房、左心室和右心室的准确度分别为0.87、0.93、0.86和0.89.结论 本研究建立MRHAM?YOLOv4?Slim模型性能优越,可更准确的识别四腔心切面中心腔结构,接近超声医师识别水平,为人工智能在胎儿超声心动步图中的进一发展奠定基础.
文献关键词：
深度学习;人工智能;胎儿;超声心动描记术
中图分类号：
作者姓名：
罗刚;泮思林;乔思波;庞善臣;陈涛涛;孙玲玉;董玉坤
作者机构：
青岛大学附属妇女儿童医院心脏中心,山东青岛266034;中国石油大学(华东)计算机科学与技术学院,山东青岛266580;青岛大学附属妇女儿童医院超声科,山东青岛266034
文献出处：
引用格式：
[1]罗刚;泮思林;乔思波;庞善臣;陈涛涛;孙玲玉;董玉坤-.深度学习技术在胎儿超声心动图图像自动识别中的应用)[J].实用医学杂志,2022(14):1830-1833
A类：
MRHAM,Slim
B类：
深度学习技术,胎儿超声心动图,图图,图像自动识别,YOLOv4,混合注意力机制,注意力机制模块,青岛大学,妇女儿童医院,四腔心切面,图像识别,精确识别,识别图,召回率,左心房,右心房,左心室,右心室,模型性能,性能优越,超声医师,一发,超声心动描记术
AB值：
0.213149
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。
