10.13929/j.issn.1672-8475.2023.04.007
AlexNet模型分级诊断膝关节软骨损伤
目的 基于3.0T MR常规序列图像及T2 mapping构建AlexNet模型,观察其用于分级诊断膝关节软骨损伤的价值.方法 针对131例膝关节软骨损伤患者及25名无膝关节病变体检者共选取2500幅膝关节MRI,包括常规序列图像及T2 mapping,建立AlexNet模型;对比观察人工阅片、SqueezeNet模型及AlexNet模型用于分级诊断膝关节软骨损伤的效能.结果 AlexNet模型分级诊断膝关节软骨损伤的整体效能高于人工阅片及SqueezeNet模型(P均<0.05);其分级诊断膝关节软骨损伤的准确率为97.50%,诊断Ⅰ级损伤精确度、召回率及F1-score分别为99.66%、98.67%及99.16%,Ⅱ级损伤为94.70%、95.33%及95.02%,Ⅲ级损伤为95.61%、94.33%及94.97%,Ⅳ级损伤为98.04%、100%及99.01%.结论 AlexNet模型用于分级诊断膝关节软骨损伤效能较佳.
膝关节、软骨疾病、深度学习、磁共振成像
20
R681.3;R445.2(骨科学(运动系疾病、矫形外科学))
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
218-222