当前检索词：“单输入BCNN-ResNet网络模型”。为您检索到约 1 条结果
-
基于深度学习的人工智能模型自动识别颈动脉斑块
编辑人员丨1个月前
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.
...不再出现此类内容
编辑人员丨1个月前
自动推荐中
检索“单输入BCNN-ResNet网络模型”结果，无相关内容记录，请点击
