基于深度学习的颈椎间盘突出识别方法

• 作者: 延亚洁 袁细国
• 来源期刊: 聊城大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 颈椎间盘突出 GoogleNet Inception V3模型 深度学习 辅助诊断
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 数理基础与人工智能研究
• 页码范围: 11-19
• 页数: 9页
• 分类号: N39
• 语种: 中文
• DOI: 10.19728/j.issn1672-6634.2021.01.002

摘要

颈椎间盘突出在人群特别是老年人群中非常普遍,且具有多种类型,对其进行快速、有效且准确的识别并能检测其类型,具有重要意义.构建基于深度学习的颈椎间盘突出识别方法,其核心思想在于:在大量采集各种类型颈椎间盘突出患者颈部MR I影像样本的基础上,将样本分为膨出型、突出型、未患病三类,通过筛选、截取、归一化、扩增处理等操作,构建有效的训练数据;依据本数据集的特点,提出了一种改进的迁移学习网络模型(GoogleNet Inception V3)结构,将模型中的平均池化以及最大池化替换成了组合池化,并通过对数据样本进行训练,使得最终训练好的分类模型最优.通过大量测试数据进行测试,并采用了一种加权F1 score的评估方式,结果表明:在召回率、精确度方面,针对本数据集,本模型都有显著优势.