换一批
换一批基于深度学习的人工智能模型自动识别颈动脉斑块
Deep Learning-Based Artificial Intelligence Model for Automatic Carotid Plaque Identification
摘要：
该研究旨在构建一个用于颈动脉斑块超声图像的有无判定的数据集,由1165例受检者的1761张超声图像组成.研究采用了一种融合了双线性卷积神经网络与残差神经网络的深度学习架构,即单输入BCNN-ResNet模型,以辅助临床医生通过颈动脉超声图像进行斑块的诊断.该模型经过训练以及内部和外部验证后,在内部验证中,ROC AUC达到了0.99,其95%置信区间为(0.91,0.84),在外部验证中ROC AUC为0.95,其95%置信区间为(0.96,0.94),此表现优于ResNet-34网络模型在内部验证中0.98 AUC的95%置信区间(0.99,0.95)和外部验证中0.94 AUC的95%置信区间(0.95,0.92).因此,单输入BCNN-ResNet网络模型展示了优异的诊断性能,为颈动脉斑块的自动识别提供了一种创新的解决方案.
更多
作者：
作者单位：
上海市胸科医院/上海交通大学医学院附属胸科医院超声科,上海市,200030
[1]
上海交通大学医学院附属松江医院超声科,上海市,201600
[2]
推想医疗科技股份有限公司,北京市,100020
[3]
大连大学附属新华医院超声医学科,大连市,116021
[4]
苏州大学附属第一医院心内科,苏州市,215006
[5]
期刊：
《中国医疗器械杂志》2024年48卷4期 361-366页
MEDLINEISTIC
关键词：
单输入BCNN-ResNet网络模型颈动脉超声深度学习single-input BCNN-ResNet network modelcarotid ultrasounddeep learning
分类号：
R445.1
栏目名称：
AI辅助诊断
DOI：
10.12455/j.issn.1671-7104.240009
发布时间：
2024-08-21
基金项目：
上海市徐汇区智慧医疗专项研究项目
上海市徐汇区人工智能医疗院地合作项目
- 浏览：2
- 被引：0
- 下载：4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
