512层螺旋CT薄层扫描结合计算机人工神经网络对小肠病变的诊断价值研究 |
| |
引用本文: | 廖忠剑,文兴林,刘艳平,邓星星,范存庚,雷剑.512层螺旋CT薄层扫描结合计算机人工神经网络对小肠病变的诊断价值研究[J].医学理论与实践,2024(9):1458-1461+1470. |
| |
作者姓名: | 廖忠剑 文兴林 刘艳平 邓星星 范存庚 雷剑 |
| |
作者单位: | 江西省赣州市人民医院CT室 |
| |
摘 要: | 目的:运用图像识别和图像描述技术,研究512层螺旋CT薄层扫描结合计算机人工神经网络在小肠病变诊断上的应用价值。方法:建立基于ResNet 101、Faster R-CNN、LSTM的小肠CT图像识别描述人工神经网络模型,采用ResNet 101和Faster R-CNN联合提取图像特征信息进行ROI融合建立图像编码,采用LSTM进行图像解码输出CT图像诊断报告。设计11个病变图像特征标签,选择我院2020年1月—2022年1月行512层螺旋CT薄层扫描病例材料1 572套,材料覆盖正常图像及出血、炎性息肉等9种病变类型,按7∶3随机分为训练组和测试组,对模型进行训练并展开性能测试,评价模型输出的CT诊断文字报告质量、诊断准确率及病变部位提取正确率。结果:文字报告质量评分为(4.032 5±0.684)分,出现错误评估项样本占比0.8%,仅语句结合约35%存在不合理现象;各病变类型诊断准确率均在97%左右,仅腺癌存在轻微的诊断为腺瘤性息肉现象,整体病变类型诊断正确率97.17%;病变部位正确识别提取率99.43%。结论:基于ResNet 101、Faster R-CNN、LSTM建立人...
|
关 键 词: | 小肠病变 人工智能 薄层扫描CT 图像诊断描述 |
|
|