摘要:放射影像是常用的医学影像技术,解释、判读与诊断放射影像对疾病的治疗非常重要。判读大量的放射影像是一件耗费时间的工作,因此用人工神经网络判断、检测放射影像的不正常部位来辅助放射科医生是非常有意义的。随着肌骨骼 X 射线影像数据集MURA 的开放,检测骨骼肌放射影像中的异常部位受到越来越多的关注。本文参考斯坦福提出的基线模型,使用 Adam 优化器在 MURA 上训练 DenseNet-169网络来检测骨骼肌放射影像中的异常。模型在训练集上的精确度为0.7885,在测试集上的精确度为0.7594。模型的 ROC 曲线下面积为0.929,当设定阈值为0.5时,灵敏度为0.815,特异性为0.887。但是,该模型判读肌骨骼 X 射线影像的能力和普通放射科医师的能力之间存在一定差距。需要进一步的研究来提高神经网络模型判读肌骨骼 X 射线影像的能力。
[DenseNet 神经网络实践] 肌骨骼放射影像判读(1)
最新推荐文章于 2020-03-04 10:10:47 发布
本文利用DenseNet-169神经网络在MURA数据集上训练,以检测骨骼肌放射影像异常。模型在训练和测试集上分别达到0.7885和0.7594的精确度,ROC曲线下面积为0.929,表现出一定判读能力,但与专业放射科医师仍有差距。
摘要由CSDN通过智能技术生成