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：
创伤性脑出血体积定量的深度学习方法研究
1
作者 陈地友 时心怡 +5 位作者 吴鹏飞 詹力 赵文兵 谢静茹 张良 赵辉 《陆军军医大学学报》 CAS CSCD 北大核心 2024年第19期2225-2235,共11页
目的基于Trans-UNet模型构建创伤性脑出血(traumatic intracerebral hemorrhage,TICH)体积定量的深度学习方法,并与公式法进行比较。方法收集我院放射科于2018年5月至2023年5月收治的141例创伤性脑出血患者的CT资料,建立基于Trans-UNet... 目的基于Trans-UNet模型构建创伤性脑出血(traumatic intracerebral hemorrhage,TICH)体积定量的深度学习方法,并与公式法进行比较。方法收集我院放射科于2018年5月至2023年5月收治的141例创伤性脑出血患者的CT资料,建立基于Trans-UNet模型的深度学习方法,以影像归档与通讯系统(picture archiving and communication system,PACS)人工勾画为金标准,对比其与公式法(共10种)在创伤性脑出血体积定量的准确性、一致性和测量耗时差异。结果PACS人工勾画的创伤性脑出血中位体积为1.167 mL,单个患者的测量中位时间为135 s。深度学习方法与PACS人工勾画的体积百分误差中位数为3.59%,Spearman相关系数为0.999(P<0.001),单个患者测量的中位时间仅为4.38 s;而公式法中,最低体积百分误差中位数为16.451%,最高Spearman相关系数为0.986(P<0.001),单个患者测量的最低中位时间为20 s。两类方法在体积百分误差和测量时间上的差异均具有统计学意义(P均<0.001)。结论本研究所构建的深度学习方法相较于公式法,在测量准确性和时效上均表现更优。 展开更多
关键词 创伤性脑出血 计算机体层摄影 深度学习 体积定量 创伤性脑损伤
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