第一部分基于深度學(xué)習(xí)的乳腺數(shù)字化X線BI-RADS密度分類的研究目的:為了確�；贏CR BI-RADS乳腺X線密度評估的一致性和準(zhǔn)確性,本研究構(gòu)建基于深度學(xué)習(xí)的乳腺數(shù)字化X線密度的自動(dòng)分類模型,使之達(dá)到對乳腺密度的精準(zhǔn)分類。方法:在研究中,構(gòu)建并優(yōu)化基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)的經(jīng)典模型Res Net50。收集本院于2015年8月至2018年2月間行全數(shù)字化乳腺攝影圖像18152幅,由兩位有經(jīng)驗(yàn)的放射科醫(yī)師根據(jù)ACR BI-RADS標(biāo)準(zhǔn)對圖像的乳腺密度進(jìn)行評估。各自經(jīng)微調(diào)的分類模型分別在小數(shù)據(jù)集(4000幅)和原始數(shù)據(jù)集(18152幅)對乳腺密度的分類進(jìn)行評估,得到相應(yīng)的分類準(zhǔn)確性,以受試者工作特性曲線和曲線下面積評估模型的分類性能。結(jié)果:CNN模型在小數(shù)據(jù)集訓(xùn)練時(shí),各類的分類準(zhǔn)確性分別為a類91%、b類86%、c類84%、d類90%;當(dāng)在原始數(shù)據(jù)集訓(xùn)練時(shí),a類和d類的分類準(zhǔn)確性無明顯變化,b類和c類的準(zhǔn)確性分別為89%、88%,隨著數(shù)據(jù)量的增加,準(zhǔn)確率明顯提高,比較AUC發(fā)現(xiàn)分類性能明顯改善。結(jié)論:基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)分類模型能以較高的準(zhǔn)確率對乳腺密度進(jìn)行分...

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
常用縮寫詞中英文對照表
前言
第一部分 基于深度學(xué)習(xí)的乳腺數(shù)字化X線 BI-RADS密度分類的研究
    1 材料與方法
    2 結(jié)果
    3 討論
    4 結(jié)論
第二部分 基于深度學(xué)習(xí)的乳腺數(shù)字化X線目標(biāo)檢測的初步研究
    1 材料與方法
    2 結(jié)果
    3 討論
    4 結(jié)論
參考文獻(xiàn)
綜述
    參考文獻(xiàn)
致謝
在學(xué)期間承擔(dān)/參與的科研課題與研究成果
個(gè)人簡介



本文編號：3834487