基于深度残差网络的冠状动脉CT血管造影图像斑块的识别算法研究

• 作者: 吴柯薇 白玫
• 来源期刊: 中国医学装备
• 学科: 医学
• 关键词: 深度残差网络 冠状动脉 CT血管造影(CTA) 斑块识别 卷积神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 生物医学工程
• 页码范围: 1-5
• 页数: 5页
• 分类号: R816.2
• 字数: 3300字
• 语种: 中文
• DOI: 10.3969/J.ISSN.1672-8270.2019.11.001

摘要

目的:研究探讨基于深度残差网络(ResNet)的冠状动脉CT血管造影(CTA)图像斑块的识别算法.方法:结合深度学习在图像识别中的优势,提出一种基于深度ResNet的冠状动脉斑块识别算法.选择三种不同深度的ResNet,卷积层数分别为18层、50层和152层,对来自100例患者的6000幅曲面重建(CPR)图像进行识别,最终选择出最适合冠状动脉斑块分析的ResNet深度,并用最佳网络深度辅助两名放射科诊断医师进行诊断,分析在实际临床应用中对斑块识别带来的影响.结果:不同网络深度的ResNet神经网络均能对冠状动脉斑块进行识别,其中ResNet-50的灵敏度最高为50.70％,ResNet-152的准确率和特异度最高,分别为86.28％和96.71％.选择ResNet-50网络辅助两名放射科诊断医师诊断准确率分别提升了10.91％和12.35％.结论:经过训练的ResNet神经网络可以有效对冠状动脉斑块进行识别,在适宜网络深度的ResNet的辅助下可以有效缩短放射科诊断医师的诊断时间,并且在保证特异性的同时提高诊断的准确性和灵敏度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白玫	首都医科大学宣武医院医学工程部	107	570	10.0	18.0
2	吴柯薇	首都医科大学宣武医院医学工程部	5	5	2.0	2.0