基于深度学习的肝包虫病超声影像诊断方法研究

摘要：

肝包虫病是一种严重的区域性寄生虫病,病变的诊断和分类主要依靠临床医生对超声图像的主观判断,但在医疗条件薄弱的地区,这类病变的筛查和诊断易出现误判、错判.为提高肝包虫病的诊断效率和诊断精度,分析肝包虫病超声图像的影像学特点,文中提出一种智能化辅助诊断方案,将深度学习算法应用于肝包虫病的超声影像诊断任务中.首先,构建新疆地区肝包虫病超声影像数据集,并使用基于ROI的预处理方法使数据集规范化;然后在模型构建方面,与常见的三种深度学习基准模型的肝包虫超声影像分类效果进行对比.实验结果表明,文中诊断方法能够取得较好的分类效果,模型准确率最高达到0.85.此外,根据实验结果,分析不同网络结构下各类型肝包虫病的影像学特点,为临床诊断提供参考依据.

关键词：肝包虫病、超声影像、深度学习、辅助诊断、寄生虫病、图像分类、卷积神经网络

所属期刊栏目：46

分类号：TN919-34;TP311

资助基金：国家自然科学基金81760315

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72