摘 要: 将北京市某医院职业健康监护体检者拍摄的DR图像,建立图像数据集,利用全卷积神经网络U-Net模型对图像两侧肺野进行分割提取,使用ResNet101模型进行学习和测试,用ROC曲线对不同方法的诊断准确性进行评价,用Kappa一致性检验对2名尘肺病诊断医师使用计算机辅助诊断前后的一致性进行评价。结果显示,基于深度残差网络——ResNet101可以对DR胸片尘肺病影像学改变进行比较准确的判定;基于ResNet的计算机辅助诊断可提高医师诊断尘肺病的准确性和不同诊断者之间的诊断一致性。 |
关键词: 深度学习 深度卷积神经网络 ResNet U-Net 计算机辅助诊断 尘肺病 |
中图分类号: B
文献标识码: R135.2
|
基金项目: |
|
Primary exploration on application of ResNet in deep learning of pneumoconiosis diagnosis |
|
|
Abstract: |
Keywords: |