深度学习模型在超声影像特征诊断乳腺病变性质中的应用

摘要：

目的 探究并比较深度神经网络模型与传统学习浅层模型在基于超声影像特征诊断乳腺病变性质的应用价值.方法 将建模数据集以75％:25％比例拆分为训练集和测试集,同时构建6种浅层学习模型和深度神经网络模型,比较其在测试集和验证集的性能,以ROC曲线下面积(AUC)作为模型主要评估指标.结果 在浅层学习模型中,lo-gistic回归的AUC最大,除多层感知器外,其他差异均有统计学意义;深度神经网络模型的ROC曲线下面积(AUC)高于logistic回归,差异具有统计学意义.结论 深度神经网络模型相比于传统浅层学习模型在基于超声影像特征诊断乳腺病变性质中有更大的诊断价值,但需要进一步探索并优化DNN模型,从而最终使临床医师能从深度学习模型的辅助诊断中获益.

关键词：乳腺超声;诊断模型;深度神经网络;浅层学习;logistic回归

所属期刊栏目：38

分类号：R445(诊断学)

资助基金：北京市科委重点项目课题D161100000816006

在线出版日期：2021-10-15（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：514-518