深度神经网络辅助评估99TcmO4-显像甲状腺癌术后残留组织
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1005-5185.2023.02.003

深度神经网络辅助评估99TcmO4-显像甲状腺癌术后残留组织

引用
目的 采用计算机深度神经网络技术,构建一款人工智能模型辅助99TcmO4?甲状腺图像诊断.资料与方法 回顾性纳入四川大学华西医院核医学科2013年1月—2020年6月临床已完成甲状腺全切手术、拟进行131I治疗的甲状腺癌患者3515例图像集,按甲状腺残留程度分类标注后,以8:2随机分成训练集2811例和测试集704例.利用3种深度神经网络模型Resnet34、InceptionV3和Densenet161分别对训练集样本进行特征提取和训练后,对测试集样本进行效能验证,并与3名初级医师独立阅片结果进行对比,记录3名医师和模型的阅片时间,采用Kappa检验分析医师阅片的一致性,采用受试者工作特征曲线分析不同模型的诊断效能.结果 在704例甲状腺图像分类测试时,3名医师的判断准确度分别为89.5%、86.5%、86.6%;Resnet34、InceptionV3和Densenet161神经网络模型的判断准确度分别为91.3%、90.4%和91.2%.3名医师两两比较诊断一致性较好(Kappa=0.773、0.746、0.711,P均<0.05),3名医师判断所需总时间分别为170 min、172 min和131 min;Resnet34、InceptionV3和Densenet161神经网络模型诊断总时间分别为4.5 s、2.9 s和17.3 s.结论 人工智能辅助诊断技术可快速、准确地完成甲状腺显像的阅片与甲状腺残留分类工作.

甲状腺肿瘤、神经网络、人工智能、诊断

31

R445.5;R736.1(诊断学)

四川省十四五生命健康重大科研专项;四川大学华西医院学科卓越发展工程临床研究孵化项目

2023-03-21(万方平台首次上网日期,不代表论文的发表时间)

共6页

108-113

相关文献
评论
暂无封面信息
查看本期封面目录

中国医学影像学杂志

1005-5185

11-3154/R

31

2023,31(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn