原文服务方: 中国医学物理学杂志       
摘要:
慢性萎缩性胃炎是一种常见的胃病,如果得不到及时治疗,有可能发展成胃癌.然而,胃镜检查在萎缩性胃炎检查中的敏感性仅为约42%,且活检受许多因素的影响.因此,使用卷积神经网络有助于提高诊断慢性萎缩性胃炎的准确性.首先采用INPAINT_TELEA算法对胃窦图像进行预处理,去除图像中的水印,对残差网络进行改进并嵌入Squeeze_and_Excitaion模块以筛查慢性萎缩性胃炎,改进后的网络(SR-CAGnet)通过建立短路机制以及采用特征重标定策略提高图像的分类效果.结果表明:与Alexnet和改进的ResNet网络进行对比,SR-CAGnet对慢性萎缩性胃炎的检出率为87.92%,算法识别效果良好.通过使用Apriori算法并分析,得到萎缩性胃炎与胃镜检查下其他症状的关系,以辅助医生的诊断.最后使用CAM热图验证模型的有效性.
推荐文章
慢性萎缩性胃炎的病理诊断与中医证型分析
慢性萎缩性胃炎
病理诊断
中医证型
胃镜下慢性萎缩性胃炎诊断准确性研究
胃炎,萎缩性
胃镜检查
诊断
胃镜在诊断慢性萎缩性胃炎的应用价值及影响因素分析
慢性萎缩性胃炎
胃镜
病理诊断
纵向包埋
影响因素
慢性萎缩性胃炎的诊治
胃炎,萎缩性/诊断
胃炎,萎缩性/治疗
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的慢性萎缩性胃炎诊断
来源期刊 中国医学物理学杂志 学科
关键词 慢性萎缩性胃炎 深度学习 Squeeze_and_Excitaion Apriori算法
年,卷(期) 2020,(5) 所属期刊栏目 医学人工智能
研究方向 页码范围 649-655
页数 7页 分类号 R318|R573.32
字数 语种 中文
DOI 10.3969/j.issn.1005-202X.2020.05.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 巩稼民 西安邮电大学电子工程学院 103 304 9.0 11.0
2 蒋杰伟 西安邮电大学电子工程学院 6 22 3.0 4.0
3 马豆豆 西安邮电大学电子工程学院 4 0 0.0 0.0
4 张雅琼 山西医科大学附属山西省人民医院消化科 3 4 1.0 2.0
5 裴梦杰 西安邮电大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (79)
共引文献  (16)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(10)
  • 参考文献(1)
  • 二级参考文献(9)
2015(11)
  • 参考文献(2)
  • 二级参考文献(9)
2016(17)
  • 参考文献(1)
  • 二级参考文献(16)
2017(20)
  • 参考文献(5)
  • 二级参考文献(15)
2018(6)
  • 参考文献(4)
  • 二级参考文献(2)
2019(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
慢性萎缩性胃炎
深度学习
Squeeze_and_Excitaion
Apriori算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国医学物理学杂志
月刊
1005-202X
44-1351/R
16开
1983-01-01
chi
出版文献量(篇)
4079
总下载数(次)
0
总被引数(次)
17195
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导