您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览202 | 下载124

目的:构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法:收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果:训练集560例含4 926个细胞团的11 164个图像块,测试集140例含977个细胞团的1 402个图像块,选取YOLO网络构建细胞团检测模型,用ResNet50作为分类模型,经过40轮迭代训练,10×倍率下准确率为90.01

作者:叶美华;陈万远;蔡博君;金朝汇;何向蕾

来源:中华病理学杂志 2021 年 50卷 4期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:202 | 下载:124
作者:
叶美华;陈万远;蔡博君;金朝汇;何向蕾
来源:
中华病理学杂志 2021 年 50卷 4期
标签:
人工智能 甲状腺疾病 细胞学技术 Artificial intelligence Thyroid diseases Cytological techniques
目的:构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法:收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果:训练集560例含4 926个细胞团的11 164个图像块,测试集140例含977个细胞团的1 402个图像块,选取YOLO网络构建细胞团检测模型,用ResNet50作为分类模型,经过40轮迭代训练,10×倍率下准确率为90.01