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：
探讨基于卷积神经网络对颅底骨折CT图像精准诊断的应用价值 被引量：2
1
作者 黄冬云 夏军 +2 位作者 林煜文 陈家宽 陈海斌 《CT理论与应用研究（中英文）》 2021年第6期769-776,共8页
目的:探讨卷积神经网络(CNN)在颅底骨折CT诊断的应用价值。方法:回顾性搜集3 100例颅底骨折患者及2 467例正常患者的颅骨CT图像数据,经纳排标准筛选,最终选用2 488例颅底骨折及1 628例正常患者的颅底CT图像数据。对CT图像进行骨折标注后... 目的:探讨卷积神经网络(CNN)在颅底骨折CT诊断的应用价值。方法:回顾性搜集3 100例颅底骨折患者及2 467例正常患者的颅骨CT图像数据,经纳排标准筛选,最终选用2 488例颅底骨折及1 628例正常患者的颅底CT图像数据。对CT图像进行骨折标注后,随机分配训练集和测试集后。通过CNN构建颅骨区域识别算法模型和颅骨骨折检测算法模型,随后在测试中以颅底骨折区域识别和头颅骨折、颅底骨折对模型进行验证,验证指标为精准率(precision)、召回率(recall)、平均诊断耗时;与人工组(低年资放射科医师)测试进行诊断效能对比。结果:通过CNN运算获得的稳定模型后进行测试对比,结果显示全颅底区域骨折、前、中、后颅底骨折精准度均<0.5,低于人工组(均> 0.63);召回率> 0.89,均优于人工组(均<0.8);平均诊断时间为(3.12±2.67)s,明显少于人工组诊断时间。分别在颅底骨折区域测试中,精准度率:前颅底>中颅底>后颅底,召回率:中颅底>后颅底>前颅底。结论:基于CNN颅底骨折算法模型对于颅脑外伤患者CT诊断颅底骨折在召回率、诊断耗时均优于人工测试结果,在辅助临床诊断、降低漏诊及诊断耗时方面具有一定的价值。 展开更多
关键词 卷积神经网络 tinynet 颅底骨折 CT 深度学习
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