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316 | 下载365

目的 开发一种能够自动分辨前列腺多序列MR图像的人工智能(AI)工具.方法 回顾性分析2017年5月至2018年12月华中科技大学同济医学院附属同济manbet官网登录 前列腺多序列MR图像.前列腺多序列MR图像的分类由ResNet18卷积神经网络(CNN)模型来实现.运用深度残差网络提升训练精度和测试精度.所使用的数据集包括19 146张7个前列腺MR序列图像(横断面T1WI、横断面T2WI、冠状面T2WI、矢状面T2WI、横断面DWI、横断面ADC、横断面PWI),选取其中2 800张图像作为训练集,选取剩余图像中的388张图像作为测试集.采用准确度评价ResNet18 CNN模型的效能.结果 7个前列腺MR序列(横断面DWI、冠状面T2WI、横断面灌注成像、矢状面T2WI、横断面ADC、横断面T1WI和横断面T2WI)图像测试准确率分别为100.0

作者:方俊华;Li Qiubai;余成新;王兴刚;方志华;刘涛;王良

来源:中华放射学杂志 2019 年 53卷 10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:316 | 下载:365
作者:
方俊华;Li Qiubai;余成新;王兴刚;方志华;刘涛;王良
来源:
中华放射学杂志 2019 年 53卷 10期
标签:
人工智能 深度学习 前列腺 磁共振成像 图像分类 Artificial intelligence Deep learning Prostate Magnetic resonance imaging Image classification
目的 开发一种能够自动分辨前列腺多序列MR图像的人工智能(AI)工具.方法 回顾性分析2017年5月至2018年12月华中科技大学同济医学院附属同济manbet官网登录 前列腺多序列MR图像.前列腺多序列MR图像的分类由ResNet18卷积神经网络(CNN)模型来实现.运用深度残差网络提升训练精度和测试精度.所使用的数据集包括19 146张7个前列腺MR序列图像(横断面T1WI、横断面T2WI、冠状面T2WI、矢状面T2WI、横断面DWI、横断面ADC、横断面PWI),选取其中2 800张图像作为训练集,选取剩余图像中的388张图像作为测试集.采用准确度评价ResNet18 CNN模型的效能.结果 7个前列腺MR序列(横断面DWI、冠状面T2WI、横断面灌注成像、矢状面T2WI、横断面ADC、横断面T1WI和横断面T2WI)图像测试准确率分别为100.0