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
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：
基于U-Net神经网络的肥厚型心肌病与高血压性左心室肥厚磁共振图像定量分析与鉴别 被引量：2
1
作者 焦梓灵 魏寒宇 +5 位作者 李继凡 陈硕 柴烨子 刘启明 李睿 姜萌 《磁共振成像》 CAS 2020年第9期741-746,共6页
目的探讨基于U-Net神经网络的肥厚型心肌病(hypertrophic cardiomyopathy,HCM)与高血压性左心室肥厚(hypertensive left ventricular hypertrophy,HLVH)的磁共振图像定量分析与鉴别。材料与方法回顾性分析2017年国际医学图像计算和计算... 目的探讨基于U-Net神经网络的肥厚型心肌病(hypertrophic cardiomyopathy,HCM)与高血压性左心室肥厚(hypertensive left ventricular hypertrophy,HLVH)的磁共振图像定量分析与鉴别。材料与方法回顾性分析2017年国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society,MICCAI)一项心脏疾病自动诊断挑战项目中包含的100例心脏疾病患者以及2014年7月至2019年3月上海交通大学医学院附属仁济医院确诊的45例HCM与48例HLVH患者。MICCAI数据集作为训练集和验证集,随机挑选5例HCM病例和5例HLVH病例作为测试集,得到一个基于U-Net的心脏自动分割神经网络。对所有入组的HCM与HLVH患者的心脏磁共振图像进行自动分割并提取多项量化参数,采用独立t检验比较各项量化参数在HCM组与HLVH组间的差异,采用多因素logistic回归法对有统计学差异的变量进一步分析建模,使用4折交叉验证方法结合ROC法对模型的分类性能进行验证。结果55项量化参数中有13项在HCM组与HLVH组之间存在显著性差异,有3项指标对两者的鉴别分类具有显著性影响。4折交叉验证得到的ROC曲线下面积分别为0.939、0.984、0.972和0.963,其中最佳模型对应的测试集准确率为86.96%(20/23)。结论U-Net神经网络分割心脏磁共振影像可以提供更多量化信息,有助于鉴别肥厚型心肌病与高血压性左心室肥厚。 展开更多
关键词 卷积神经网络 肥厚型心肌病 高血压性左心室肥厚 定量分析 磁共振成像
下载PDF
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
使用帮助 返回顶部