期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的甲状腺结节超声图像分割的临床应用
被引量:
1
1
作者
广旸
何文
+3 位作者
吴佳俊
赵明昌
张雨康
万芳
《中华医学超声杂志(电子版)》
CSCD
北大核心
2022年第3期206-211,共6页
目的探讨深度学习方法在超声甲状腺结节分割中的效果及其临床应用价值。方法收集2018年8月至2020年10月首都医科大学附属北京天坛医院的166例甲状腺结节患者的1044张超声图像。观察使用改进自注意力机制的Unet深度学习方法和Unet基础方...
目的探讨深度学习方法在超声甲状腺结节分割中的效果及其临床应用价值。方法收集2018年8月至2020年10月首都医科大学附属北京天坛医院的166例甲状腺结节患者的1044张超声图像。观察使用改进自注意力机制的Unet深度学习方法和Unet基础方法在测试数据集上的分割效果。以分割结果是否接近有多年临床经验的超声医师的手动标注作为参考标准,将改进自注意力机制的Unet和Unet基础方法对甲状腺结节的分割效果进行比较,以交并比(IoU)、戴斯(Dice)相似性系数及与超声医师对甲状腺结节的手动勾勒接近程度来评价深度学习模型对甲状腺结节分割效果及临床应用价值的性能。结果改进自注意力机制的Unet深度学习模型对甲状腺结节分割的IoU及Dice系数分别为0.815和0.839,与Unet基础方法结果(IoU为0.788,Dice系数为0.817)相比,具有更高的IoU和Dice系数值。从分割图像可以看出,基于改进自注意力机制的Unet深度学习模型对甲状腺结节整体和边缘细节上的分割效果好于Unet基础方法,更接近于超声医师的手动勾勒结果。结论基于自注意力机制的Unet深度学习模型在甲状腺结节分割方面有着较高的性能,可提高诊断效率,并且该方法具有一定的临床应用价值。
展开更多
关键词
深度学习
超声
甲状腺结节
分割
临床应用
原文传递
题名
基于深度学习的甲状腺结节超声图像分割的临床应用
被引量:
1
1
作者
广旸
何文
吴佳俊
赵明昌
张雨康
万芳
机构
首都医科大学附属北京天坛医院超声科
无锡
祥
生
医疗
科技股份
有限公司
研发
中心
算法
部
出处
《中华医学超声杂志(电子版)》
CSCD
北大核心
2022年第3期206-211,共6页
基金
国家自然科学基金青年基金(81901744)
北京市自然科学基金(7204255)。
文摘
目的探讨深度学习方法在超声甲状腺结节分割中的效果及其临床应用价值。方法收集2018年8月至2020年10月首都医科大学附属北京天坛医院的166例甲状腺结节患者的1044张超声图像。观察使用改进自注意力机制的Unet深度学习方法和Unet基础方法在测试数据集上的分割效果。以分割结果是否接近有多年临床经验的超声医师的手动标注作为参考标准,将改进自注意力机制的Unet和Unet基础方法对甲状腺结节的分割效果进行比较,以交并比(IoU)、戴斯(Dice)相似性系数及与超声医师对甲状腺结节的手动勾勒接近程度来评价深度学习模型对甲状腺结节分割效果及临床应用价值的性能。结果改进自注意力机制的Unet深度学习模型对甲状腺结节分割的IoU及Dice系数分别为0.815和0.839,与Unet基础方法结果(IoU为0.788,Dice系数为0.817)相比,具有更高的IoU和Dice系数值。从分割图像可以看出,基于改进自注意力机制的Unet深度学习模型对甲状腺结节整体和边缘细节上的分割效果好于Unet基础方法,更接近于超声医师的手动勾勒结果。结论基于自注意力机制的Unet深度学习模型在甲状腺结节分割方面有着较高的性能,可提高诊断效率,并且该方法具有一定的临床应用价值。
关键词
深度学习
超声
甲状腺结节
分割
临床应用
Keywords
Deep learning
Ultrasound
Thyroid nodules
Segmentation
Clinical application
分类号
R445.1 [医药卫生—影像医学与核医学]
R736.1 [医药卫生—诊断学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的甲状腺结节超声图像分割的临床应用
广旸
何文
吴佳俊
赵明昌
张雨康
万芳
《中华医学超声杂志(电子版)》
CSCD
北大核心
2022
1
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部