基于深度学习的冠状动脉OCT图像易损斑块识别
全球发病率与死亡率最高的冠状动脉疾病——冠心病(coronary heart disease,CHD),让相关医生头痛不堪,同时也让医生承担着极大的工作量.通过计算机辅助技术识别冠状动脉光学相干断层扫描(optical coherence tomography,OCT)图像中的易损斑块不仅可以使医生从繁杂的诊断任务中解脱出来还对冠心病的早期发现、及时对患者进行干预治疗具有重大意义.实验采用增加了注意力机制(shuffle attention,SA)的ResNet50网络对易损斑块进行分类识别,损失函数、准确率、精确率以及召回率分别达到0.05、92.15%、90.05%和95.00%,实验可以缩短医师的诊断时间,可以作为辅助医生做出进一步诊断的依据.
易损斑块、光学相干断层扫描、注意力机制、图像分类
42
TP391(计算技术、计算机技术)
唐山市沉浸式虚拟环境三维仿真基础创新团队项目18130221A
2023-07-11（万方平台首次上网日期，不代表论文的发表时间）
共7页
43-49
