10.3760/cma.j.cn121382-20240125-00402
基于深度学习的胆结石分类方法研究与验证
目的:建立一种基于深度学习的胆结石分类方法,并对其进行验证。方法:收集同济大学附属东方医院618例胆结石样本,拍摄1 023张高清结石剖面图像,构建胆结石剖面图像数据集。以传统胆结石八分类法为基础,利用深度学习与迁移学习的方法,训练轻量化网络模型MobileNet V3实现胆结石的快速精准分类,使用混淆矩阵评估模型通过准确率、精确率、F1分数和召回率等指标评估模型的分类性能,并通过准确率和损失值对改进的MobileNet V3模型进行验证。结果:改进的MobileNet V3模型的准确率(94.17%)、精确率(94.03%)、F1分数(92.96%)和召回率(92.99%)均优于其他网络。改进的MobileNet V3模型在胆结石剖面分类中取得了最高的准确率(94.17%),并通过测试集验证。混淆矩阵图显示各类别胆结石的加权平均后的准确率为92.0%,精确率为92.6%,F1分数为92.2%。结论:建立了一种基于深度学习的胆结石分类方法,具有较高的识别准确率,为胆结石的智能化识别提供了新的思路。
胆结石、分类方法、深度学习、准确率、精确率、损失值
47
国家自然科学基金51735003;National Natural Science Foundation of China51735003
2024-12-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
312-317