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：
基于梯度技术优化肺结核继发纤维纵隔炎引发的肺动脉高压的CT图像分析
1
作者 纳建荣 严梅 +1 位作者 褚娇娇 王一帆 《中国病原生物学杂志》 CSCD 北大核心 2024年第9期1053-1056,共4页
目的本研究旨在开发并评估基于卷积神经网络(CNN)的深度学习模型,用于从梯度优化后的CT图像中自动识别肺结核继发纤维纵隔炎引发的肺动脉高压。方法通过采用梯度优化算法对CT图像进行处理,结合使用梯度下降法进行模型训练以提高诊断的... 目的本研究旨在开发并评估基于卷积神经网络(CNN)的深度学习模型,用于从梯度优化后的CT图像中自动识别肺结核继发纤维纵隔炎引发的肺动脉高压。方法通过采用梯度优化算法对CT图像进行处理,结合使用梯度下降法进行模型训练以提高诊断的精确性和效率。开发过程中,首先对数据进行归一化处理并应用数据增强技术以提升模型的泛化能力。采用的U-Net网络架构为基础框架,模型通过Adam优化器进行训练,初步学习率设置为0.001,并通过早停机制防止过拟合。采用精确度、召回率、F1分数和接收者操作特征曲线(ROC)下的面积(AUC)等关键指标进行评估。在独立测试集上,模型展现出了优异的表现。结果在独立测试集上,该模型展现出优异的性能。戴斯系数、召回率和精准率的平均值分别为0.789、0.794和0.820。结果表明,该模型能有效识别肺动脉高压的CT图像特征。模型在不同程度的肺结核患者中表现稳定,重度和极重度肺结核患者中的平均戴斯系数、召回率和精准率均达到0.80以上,而在轻度患者中这些指标稍低。模型的敏感性为85%,特异性为88%,F1分数为86%,接收者操作特征曲线(AUC)下的面积为96%,显示出优秀的诊断能力。结论经过优化后的图像构建的模型能够有效地识别肺动脉高压的CT图像特征,对于临床诊断和治疗规划具有重要的参考价值。 展开更多
关键词 梯度优化 深度学习 CT图像 肺结核 肺动脉高压
原文传递
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