科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：基于深度神经网络模型捕捉肺炎特征，提高肺炎影像诊断的效率和准确率。方法：利用单个网络抽取符合单调性的类中心距离和最近邻标签分布特征，然后通过支持向量机（SVM）训练特征融合的集成模型，实现肺炎胸部X线片分类。结果：在公开数据集上，相比单一模型近94%的高准确率，集成方法提升近2%；在西京医院内部数据集上，集成方法实现5%左右的提升，准确率从75%左右提高至超过80%。结论：不同神经网络模型检测肺炎的绝对性能相近，且具有一定的互补性，基于SVM的集成学习可以有效提升肺炎影像诊断的准确率。
-
单位中国人民解放军空军军医大学; 西安交通大学第一附属医院; 第一附属医院放射科
