基于深度卷积神经网络的异常肺部CT图像初筛平台的设计与临床实践
Electronic Design Engineering(2023)
Abstract
针对肺部疾病初筛实践中CT图像异常先验判读机制的效能性问题,设计了一种基于深度卷积神经网络的异常肺部CT图像初筛平台并开展了临床实践验证.该平台使用CT扫描设备采集肺部CT图像,形成数据池;利用深度卷积神经网络对数据池训练集进行肺部异常特征学习,构建时间正序下的肺部CT图像异常特征全息感知机制;在Inception V3模型中结合Google Net网络结构,实现参数自动调整优化,达到对肺部疾病精准初筛的目的.使用青岛市中心医院临床肺部CT图像集进行实验,结果表明,该平台在肺部CT图像异常判读均值准确率达96.52%,肺部疾病初筛均值有效率达93.07%,可实现肺部疾病的初筛工作.
MoreKey words
lung CT images,abnormal self-interpretation,deep convolutional network,Google Net model,disease screening
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined