期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的乳腺数字化X线BI-RADS密度分类的研究
被引量:
2
1
作者
贾田菊
马彦云
+4 位作者
李延涛
武慧慧
宁艳云
崔曹哲
李灯熬
《山西医科大学学报》
CAS
2019年第4期506-510,共5页
目的为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型ResNet 5...
目的为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型ResNet 50。收集本院于2015-08~2018-02间行全数字化乳腺摄影图像18 152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4 000幅)和原始数据集(18 152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果 CNN模型在小数据集训练时,各类的分类准确性分别为a类91%,b类86%,c类84%,d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%和88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分类,在临床工作中,可协助放射科医师对乳腺密度进行准确、一致的分类。
展开更多
关键词
乳腺X线密度
BI-RADS
全数字化乳腺X线摄影
深度学习
CNN
ResNet50
下载PDF
职称材料
题名
基于深度学习的乳腺数字化X线BI-RADS密度分类的研究
被引量:
2
1
作者
贾田菊
马彦云
李延涛
武慧慧
宁艳云
崔曹哲
李灯熬
机构
山西医科
大学
影像系
山西医科
大学
第一医院放射科
太原理工大学大数据学院智能感知与大数据研究所
出处
《山西医科大学学报》
CAS
2019年第4期506-510,共5页
基金
山西省卫计委科研基金资助项目(2017042)
山西省科技厅重点研发计划(社会发展领域)基金资助项目(201803D31100)
山西医科大学科技创新基金资助项目(01201514)
文摘
目的为了确保基于ACR BI-RADS乳腺X线密度评估的一致性和准确性,本研究构建基于深度学习的乳腺数字化X线密度的自动分类模型,使之达到对乳腺密度的精准分类。方法在研究中,构建并优化基于深度学习的卷积神经网络(CNN)的经典模型ResNet 50。收集本院于2015-08~2018-02间行全数字化乳腺摄影图像18 152幅,由两位有经验的放射科医师根据ACR BI-RADS标准对图像的乳腺密度进行评估。各自经微调的分类模型分别在小数据集(4 000幅)和原始数据集(18 152幅)对乳腺密度的分类进行评估,得到相应的分类准确性,以受试者工作特性曲线和曲线下面积评估模型的分类性能。结果 CNN模型在小数据集训练时,各类的分类准确性分别为a类91%,b类86%,c类84%,d类90%;当在原始数据集训练时,a类和d类的分类准确性无明显变化,b类和c类的准确性分别为89%和88%,随着数据量的增加,准确率明显提高,比较AUC发现分类性能明显改善。结论基于深度学习的卷积神经网络(CNN)分类模型能以较高的准确率对乳腺密度进行分类,在临床工作中,可协助放射科医师对乳腺密度进行准确、一致的分类。
关键词
乳腺X线密度
BI-RADS
全数字化乳腺X线摄影
深度学习
CNN
ResNet50
Keywords
mammographic density
BI-RADS
full-field digitalmammography
deep learning
CNN
Resnet 50
分类号
R814 [医药卫生—影像医学与核医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的乳腺数字化X线BI-RADS密度分类的研究
贾田菊
马彦云
李延涛
武慧慧
宁艳云
崔曹哲
李灯熬
《山西医科大学学报》
CAS
2019
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部