基于深度学习的肝脂肪变性分级研究

• 作者: 李星辉 张政 张蕾 何付权 汪丰
• 来源期刊: 中国医疗设备
• 关键词: 肝脂肪变性 MRI 深度学习 DenseNet网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 医学工程技术|MEDICAL ENGINEERING TECHNOLOGY
• 页码范围: 45-49
• 页数: 5页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2021.06.012

摘要

目的 结合深度学习和迁移学习,研究肝脂肪变性分级,为肝脂肪变性分级提供一种智能的无创性思路.方法 收集上海交通大学附属第一人民医院2018年6月至7月的50例进行上腹部mDixon成像序列扫描患者的MR影像资料,选取感兴趣区域并进行数据增强和不平衡数据处理.建立DenseNet模型并进行预训练,数据集输入模型进行模型调整,最终得出肝脂肪变性等级.同时对患者临床信息与肝脂肪变性等级进行相关性分析.结果 DenseNet模型验证集AUC为0.83,精确度为84.96％,敏感度和特异度分别达到94.55％和79.82％.结论 基于深度学习的肝脂肪变性分级具有性能良好、自动化分级的优势,相关性分析为肝脂肪变性等级及其相关因素的研究提供了思路.