10.3969/j.issn.1006-2475.2023.09.016
基于深度DenseNet网络的肝包虫病超声影像诊断方法
肝包虫病是一种严重的区域性寄生虫病,病变诊断和分类主要依靠临床医生对超声图像的主观判断,在医疗条件薄弱地区,该疾病的筛查和诊断极易误判错判.为了提高肝包虫病的诊断效率和诊断精度,本文结合深度学习算法,将深度DenseNet网络应用于肝包虫病图像分类问题中,利用深度卷积神经网络强大的特征提取能力构建肝包虫分类模型;此外,为了能够提供更可靠的图像输入信息,使用基于ROI的预处理方法,提取原始图像病灶ROI区域;最后,在构建的超声影像数据集上进行模型评估和验证,准确率可以达到93%,并使用梯度加权类激活映射图进行可视化分析,表明模型具有较强的鲁棒性和较好的分类效果.
肝包虫病、超声影像、深度学习、辅助诊断、图像分类
TP301.6(计算技术、计算机技术)
国家重点实验室开放基金;新疆维吾尔自治区自然科学基金资助项目
2023-10-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
100-104