75P-并行深学习网络框架全体骨扫描图像分析

后台

并行深度学习网络框架全体骨扫描图像分析核医学整体骨扫描图像分析公元前二百零二至零零零零零二年十二月十二日, 公元前二百零零零二年十二月二零零零零二年十二月二零零零零二年十二月二零零零零二年十二月二零零零二年度开发临床决策支持工具帮助医生临床例程至关重要

方法论

研究中,我们建议并行深学习网络框架 骨扫描解释骨质转移研究707名疑似骨向复位疾病患者全体骨扫描医生被要求人工分类每个案例是否存在骨量转移骨扫描图像均自动分割成26个异解剖区,以骨架框架为基础实现同质骨架26深度学习网络通过检查每个区域并同时搜索异常损耗活动诊断估计每个解剖子区域识别模型性能时,应用了十倍交叉测试机制,将数据集随机划分成十分大小相等部分

结果

敏感度、特征度和测出误损平均数被采作性能指数评价拟议模型与每个分区相对应的单个网络最敏感度和特征分别为99.9%和97.3%。总体平均敏感度和特性并行模型分别为99.2%和71.8%,并有2.0次假检测单病人扫描图像

结论

高敏感度、特征和低假损伤检测率,这一并行深学习网络模型证明对检测骨扫描中移位有用我们提议的框架似乎有巨大的潜力作为临床决策支持工具帮助医生的临床例程

临床测试识别

编辑识别

负责研究的法律实体

诸位作者

供资问题

没有收到任何资金

披露

X.浦全工/非全工:中国电子科技大学全时/非全时就业:中国电子科技大学全时/非全时就业:中国电子科技大学G.唐大医院四川大学K.Cai:研究赠款/供资(机构):中国电子科技大学计算机科学工程学院Y.黄:研究赠款/供资(机构):四川大学计算机科学学院M.平:研究赠款/供资(机构):中国电子科技大学计算机科学工程学院Z级eng研究赠款/供资(机构):中国电子科技大学大数据研究中心H.Qui:全时/非全时就业:中国电子科技大学计算机科学工程学院