我们的网站为什么显示成这样?

可能因为您的浏览器不支持样式,您可以更新您的浏览器到最新版本,以获取对此功能的支持,访问下面的网站,获取关于浏览器的信息:

|本期目录/Table of Contents|

基于深度学习卷积神经网络的胶质瘤级别分类研究(PDF)

《实用放射学杂志》[ISSN:1002-1671/CN:61-1107/R]

期数:
2020年07期
页码:
1015-1018
栏目:
中枢神经放射学
出版日期:
2020-07-20

文章信息/Info

Title:
The study of classification in gliomas by using deep-learning convolutional neural networks
作者:
刘征华
南昌大学第三附属医院医学影像中心,江西 南昌 330006
Author(s):
-
关键词:
胶质瘤磁共振成像卷积神经网络
分类号:
R739.41;R445.2
DOI:
-
文献标识码:
A
摘要:
目的 探讨卷积神经网络对胶质瘤级别分类的价值。方法 收集210例脑胶质瘤患者的T1WI增强图像资料,低级别胶质瘤98例,高级别胶质瘤112例。在图像上勾画出ROI,把得到的ROI大小调整到符合输入像素的要求。利用Inception-v3卷积神经网络模型对得到的胶质瘤图像进行训练,卷积神经网络稳定后,对胶质瘤图像再进行10次训练和测试。结果 10次训练和测试准确率的平均值及方差分别为0.998 2±0.000 7和0.941 9±0.015 0。敏感性为0.915,特异性为0.971 7。结论 卷积神经网络采用MRI增强扫描图像区分脑胶质瘤的方法具有无创、简单且准确率高等优点,可以作为脑胶质瘤分级的有效手段。

参考文献/References

-

备注/Memo

备注/Memo:
国家自然基金项目(81860305)。
更新日期/Last Update: 2020-07-30