人工智能在浅表软组织肿瘤超声图像分类中的应用价值初步研究

摘要：

目的:研究深度神经网络在浅表软组织肿瘤超声图像分类中的应用价值.方法:收集2018年7月至2020年10月期间经病理证实的浅表软组织肿物高频超声图像.分割图像,整理为训练及测试数据集,搭建神经网络,训练并评估神经网络.结果:(1)在9种分类中,图像数量较多的脂肪瘤、囊肿、表皮样囊肿具有较好的分类效果,不能有效识别图像数量较少的软组织肿瘤.(2)剔除具有较少图像数量的病理类型后,经训练得到的深度卷积神经网络能较好地对图像进行分类.结论:(1)将深度卷积神经网络ResNet应用于医学图像分类是可行的.(2)深度卷积神经网络良好分类基础是学习的带标签数据.

关键词：软组织肿瘤、高频超声、人工智能、卷积神经网络、ResNet

所属期刊栏目：30

分类号：R445.1(诊断学)

在线出版日期：2022-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：153-154