基于声像图深度残差网络ResNet模型自动诊断肾囊肿

摘要：

目的 分析基于声像图的深度残差网络ResNet模型自动诊断肾囊肿的效能.方法 收集3 670例患者的肾脏超声资料,其中2 024例超声诊断肾囊肿、1 646例肾脏正常,每例选取2幅肾脏声像图,共以7 340幅肾脏声像图构建数据集;以其中6 294幅(3 238幅肾囊肿、3 056幅正常肾)为训练集,1 046幅(810幅囊肿、236幅正常肾)为测试集,分别采用梯度方向直方图(HOG)+支持向量机(SVM)方法及3种深度残差网络ResNet模型(ResNet18、ResNet34、ResNet50)进行诊断.以超声诊断结果为金标准,计算并比较4种方法诊断测试集肾囊肿的敏感度、特异度及准确率,并绘制受试者工作特征(ROC)曲线,获得曲线下面积(AUC).结果 ResNet34、ResNet50模型诊断测试集肾囊肿的敏感度、特异度及准确率均高于HOG+SVM方法及ResNet18模型(P均＜0.01),且ResNet50模型的特异度和准确率均高于ResNet34模型(P均＜0.05).ROC曲线显示,HOG+SVM方法及ResNet18,ResNet34,ResNet50模型自动诊断肾囊肿的 AUC 分别为0.731[95％CI(0.691,0.771)]、0.754[95％CJ(0.715,0.792)]、0.851[95％CI(0.819,0.884)]及0.892[95％CI(0.865,0.920)].结论 基于声像图的深度残差网络ResNet模型可自动诊断肾囊肿,以ResNet50模型效果最佳.

关键词：肾疾病、囊性、超声检查、深度学习、残差网络ResNet

所属期刊栏目：19

分类号：R692.9;R445.1(泌尿科学（泌尿生殖系疾病）)

资助基金：湖南省脑科医院院级科研计划2018C06

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：221-224