一种基于深度学习的颈动脉斑块超声图像识别方法

摘要：

文章将深度学习应用于颈动脉斑块超声图像识别,分析讨论了不同感兴趣区域(Region of Interest,ROI)选取方式对卷积神经网络识别斑块性能的影响,并通过迁移学习来训练卷积神经网络.实验结果表明,采用分割出血管内外膜的ROI作为训练集时,网络的识别能力最好,受试者操作特性(Receiver Operating Characteristic,ROC)曲线下面积为0.972.另外,用分割出血管内外膜的ROI对网络进行预训练,之后再用原始ROI进行微调,也可以有效提高卷积神经网络对原始ROI的识别能力,ROC曲线下面积从0.802提高至0.856.

关键词：颈动脉斑块、卷积神经网络、迁移学习计、算机辅助诊断

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金81571754;高等学校博士学科点专项科研基金2013014213006

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-11,24