深度学习在X线诊断新生儿肺炎中的应用

• 作者: 莫琦岚 张水兴
• 来源期刊: 暨南大学学报（自然科学与医学版）
• 学科: 医学
• 关键词: 新生儿肺炎 深度学习 ResNet50 残差网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 医学影像与人工智能
• 页码范围: 199-204
• 页数: 6页
• 分类号: R445.4|TP181
• 语种: 中文
• DOI: 10.11778/j.jdxb.2022.02.011

摘要

目的:构建基于胸片的深度学习模型检测新生儿肺炎,旨在提高新生儿肺炎的影像诊断水平及效率.方法:回顾性收集2018年1月至2021年9月暨南大学附属第一医院336幅新生儿胸片,其中新生儿肺炎176例,正常160例.随机将图像按8:1:1的比例分为训练集、测试集及验证集.利用ResNet50神经网络进行分类训练模型,然后进行验证.结果:验证组中深度学习模型诊断新生儿肺炎的曲线下面积AUC为0.9931.结论:深度学习模型能够准确诊断新生儿肺炎,但尚需大样本多中心进一步验证研究.