基于深度学习的儿童肺炎病原学类型判别模型

• 作者: 梁会营 潘丽艳
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 儿童肺炎 病原学类型 医学图像 深度学习 迁移学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 特别专题-人工智能在医学领域的研究与应用
• 页码范围: 59-61,110
• 页数: 4页
• 分类号: R318|TP391
• 字数: 2792字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.03.017

摘要

目的:构建儿童肺炎病原学类型自动判别模型,从临床上规范儿童肺炎治疗用药.方法:利用深度学习模型,结合迁移学习技术,对肺炎胸片首先进行肺区域分割,其次以痰培养结果作为金标准,对肺区域进行病原学类型为病毒或细菌的判别.结果:基于深度卷积神经网络的肺炎病原学类型二分类判别模型的准确率达80.48％,特异度82.07％,灵敏度77.55％,AUC达0.82.结论:基于深度学习技术和胸片数据的肺炎病原学类型判别模型,能够对肺炎治疗用药提供辅助决策支持,降低试药风险,使患者及早得到治疗.