使用深度学习模型对头颅CT平扫图像进行二分类的初步探讨

• 作者: 任昕 刘婧 刘建新 刘想 吴静云 张宏 张晓东 张虽虽 林志勇 王可 王霄英 谢辉辉 赵永为
• 来源期刊: 实用放射学杂志
• 学科: 医学
• 关键词: 深度学习 人工智能 计算机体层成像 结构化报告
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 计算机应用
• 页码范围: 1670-1675
• 页数: 6页
• 分类号: TP18|R814.42
• 语种: 中文
• DOI: 10.3969/j.issn.1002-1671.2020.10.035

摘要

目的 探讨使用深度残差网络(ResNet)模型鉴别头颅CT平扫(NCHCT)图像二分类诊断的可行性.方法 选取NCHCT连续病例,包括CT图像及其影像诊断报告,以图像为单位,分为"无发现"组(该层面无任何异常发现),共5786幅图像;"有发现"组(该层面有1种以上的疾病或其他影像所见),共3564幅图像.将全部图像分为训练集(70％)、调优集(20％)和测试集(10％),各组图像不相同.以ResNet 50(50 layers)为二分类模型的基础架构训练二分类模型,结合梯度类激活图(Grad-CAM)技术生成激活热图.使用测试集的图像检验NCHCT二分类模型的效能.结果 在测试集中("有发现"者361幅图像,"无发现"者573幅图像),NCHCT二分类模型鉴别"有发现"与"无发现"的精确度分别为0.838和0.973,召回率分别为0.961和0.883,F1-分数分别为0.896和0.926,平均AUC为0.99.结论 以ResNet为基础架构的模型在不需要对病灶进行分割的前提下,可对头CT平扫图像逐层预测二分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏		54	207	9.0	11.0
2	王霄英		324	3638	28.0	40.0
3	张晓东		53	242	9.0	13.0
4	刘建新		50	570	13.0	21.0
5	吴静云		16	89	6.0	9.0
6	刘婧		52	209	6.0	11.0
7	赵永为		9	92	6.0	9.0
8	王可		12	298	5.0	12.0
9	林志勇		6	19	2.0	4.0
10	刘想		5	0	0.0	0.0
11	谢辉辉		1	0	0.0	0.0
12	任昕		2	0	0.0	0.0
13	张虽虽		1	0	0.0	0.0