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

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...