基于胸部X线片的深度迁移学习模型早期诊断儿童肺炎支原体肺炎

摘要：

目的:探讨基于VGG19 的深度迁移学习模型在儿童胸部 X 线片(胸片)早期诊断肺炎支原体肺炎(MPP)中的价值.方法:搜集常州市第二人民医院儿科就诊的患儿 3763 例,其临床及影像资料齐全.将患儿胸片分成细菌性肺炎组、MPP组和病毒性肺炎组,并按照 9:1 随机分为训练集和测试集.另外选择 150 例患儿胸片作为验证集(细菌性肺炎、MPP 和病毒性肺炎各 50 例).模型性能评价指标包括在训练集和测试集中的准确率(Ac)及在验证集中的精确度(Pr)、召回率(Rc)、F1 评分(F1)和ROC曲线下面积(AUC).结果:VGG19 在训练集和测试集中的最高 Ac分别为 0.99 和 0.95.细菌性肺炎组的Pr、Rc、F1、AUC分别为 0.87、0.82、0.85、0.92,MPP组分别为 0.85、0.74、0.78、0.90,病毒性肺炎组分别为 0.76、0.88、0.81、0.93.VGG19 对三组图像分类诊断的总体 AUC 为 0.92.结论:基于VGG19 的深度迁移学习模型是儿童胸部X线片诊断MPP的可靠方法,能够帮助临床早期诊断MPP.

关键词：肺炎支原体肺炎、胸片、儿童、深度迁移学习、人工智能

所属期刊栏目：39

分类号：R725.6;R814.41(儿科学)

资助基金：常州市科技局应用基础研究计划CJ20220260

在线出版日期：2024-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-41