發(fā)布時(shí)間：2021-03-01 00:42

　　背景:高分辨率MRI被認(rèn)為是治療前評(píng)估直腸癌環(huán)周切緣是否受侵犯的最佳方法。目的:我們探索利用更快的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Faster R-CNN）在高分辨率MRI圖像中識(shí)別陽(yáng)性環(huán)周切緣的應(yīng)用可行性。方法:從青島大學(xué)附屬醫(yī)院2016年7月至2018年8月直腸癌環(huán)周切緣陽(yáng)性并接受高分辨MRI檢查的患者進(jìn)行回顧性研究,排除所有接受過(guò)治療后的病例,最終選取通過(guò)直腸癌高分辨MRI判定環(huán)周切緣陽(yáng)性的240例患者納入研究。經(jīng)過(guò)圖像數(shù)據(jù)增強(qiáng)處理,最終選取12258張軸位弛豫加權(quán)成像（T2WI）直腸癌環(huán)周切緣陽(yáng)性高分辨率MRI對(duì)更快區(qū)域卷積神經(jīng)網(wǎng)絡(luò)Faster R-CNN進(jìn)行訓(xùn)練和測(cè)試,以構(gòu)建一個(gè)人工智能輔助診斷的評(píng)估平臺(tái)。根據(jù)驗(yàn)證組的測(cè)試結(jié)果,將人工智能平臺(tái)的診斷結(jié)果與高級(jí)放射學(xué)專家的診斷結(jié)果進(jìn)行比較,得出此平臺(tái)的準(zhǔn)確性、敏感性和特異性;并使用接收器工作特性曲線（ROC）和曲線下面積（AUC）作為評(píng)估標(biāo)準(zhǔn)。結(jié)果:該人工智能平臺(tái)判定的環(huán)周切緣狀態(tài)的準(zhǔn)確性、敏感性和特異性分別為0.932、0.838和0.956。接收器工作特性曲線下的面積（AUC）為0.953。自動(dòng)識(shí)別每張圖像所需的時(shí)間為0.2秒。局限性:這... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

標(biāo)識(shí)高分辨磁共振中環(huán)周切緣陽(yáng)性區(qū)域示意圖

資料和方法118Gamma伽瑪0.19Momentum運(yùn)動(dòng)量0.910Weightdecay加權(quán)延遲0.000511Stepsize步長(zhǎng)60000and3000012Snapshot快照013Snapshotprefix快照前綴vgg16rpn*14Averageloss平均損失100*vgg16rpn（VisualGeometryGroup16andRegionProposalNetwork）視覺(jué)幾何組16和區(qū)域提議網(wǎng)絡(luò)。圖3、本研究應(yīng)用的FasterR-CNN模型的基本構(gòu)架見(jiàn)圖

結(jié)果15兩階段8萬(wàn)次PRN迭代訓(xùn)練和兩階段4萬(wàn)次FastR-CNN迭代訓(xùn)練，Loss值逐漸下降，參數(shù)優(yōu)化、收斂效果明顯。針對(duì)環(huán)周切緣陽(yáng)性的識(shí)別診斷FasterR-CNN網(wǎng)絡(luò)參數(shù)獲得了較好的衰減。圖4、基于訓(xùn)練過(guò)程中的Loss曲線FasterR-CNN模型對(duì)訓(xùn)練組圖像集合識(shí)別能力的主要評(píng)估檢測(cè)指標(biāo)為平均精度均值（mAP），因?yàn)檫@是對(duì)象檢測(cè)的實(shí)際指標(biāo)，而不是注重對(duì)象建議代理指標(biāo)。為了詳細(xì)體現(xiàn)出訓(xùn)練過(guò)程的機(jī)器學(xué)習(xí)情況，本研究高分辨磁共振影像數(shù)據(jù)中，僅有環(huán)周切緣陽(yáng)性區(qū)域和背景區(qū)域，所以平均精度AP即為平均精度均值mAP。以真陽(yáng)性在真陽(yáng)性和假陽(yáng)性中所占的比例計(jì)算精準(zhǔn)率，以真陽(yáng)性在真陽(yáng)性和假陰性中所占的比例計(jì)算召回率。記錄下以精確率（Precision）為縱坐標(biāo)，以召回率（Recall）為橫坐標(biāo)，繪制出的PR曲線（見(jiàn)圖5），計(jì)算出曲線下的面積為0.3670，即AP=0.3670，該值表明此試驗(yàn)中FasterR-CNN訓(xùn)練效果一般，受到了類別分布改變的影響。

【參考文獻(xiàn)】：
期刊論文
[1]Software for automated classification of probe-based confocal laser endomicroscopy videos of colorectal polyps[J]. Barbara André,Tom Vercauteren,Anna M Buchner,Murli Krishna,Nicholas Ayache,Michael B Wallace.  World Journal of Gastroenterology. 2012(39)



本文編號(hào)：3056691