基于改进3D-DenseNet的胆囊癌诊断模型研究
作者:尹梓名; 慕长龄; 束翌俊
更新时间:
为了辅助胆囊癌的临床诊断,利用深度学习技术和改进的3D-DenseNet,建立了基于患者增强CT图像的胆囊癌辅助诊断模型。首先,将患者的多个动脉CT图像转换为三维图像,并使用医生标记的胆囊区域将三维图像切割成感兴趣的区域。然后,对传统的Dense-Net网络进行了优化,改进了Drop输出机制和Softmax损失函数,在输出部分用焦损代替交叉熵函数进行不平衡校正,最后将测试集结果与金标准进行了比较,并用ROC曲线、召回率和精度对模型的性能进行了评估。通过训练集的连续迭代训练,模型逐渐收敛,诊断误差减小。在尝试了各种不同的模型结构后,所选优化模型的准确度、特异度、灵敏度和准确度分别为91.4%、95.2%、88.0%和95.8%。基于改进的3D-DenseNet的胆囊癌诊断模型利用多个患者CT图像数据提取深度特征,充分利用医学检测数据,具有更好的性能和较高的诊断准确率,可以辅助胆囊癌的临床诊断。