科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：利用深度学习技术建立影像质控分类算法模型，提高对X线胸片异物的检出效能。方法：利用深度学习卷积神经网络ResNet-50开发全自动正位X线胸片影像异物检测模型，实现正常X线胸片影像与存有异物影像的分类，并通过热力图的形式显示具体质控识别点的位置和范围。结果：该模型在验证集的准确率达96.9%,AUC为0.994(95%CI:0.993～0.995)，采用AI辅助质控对每张X线胸片进行分类的速度较人工质控快10倍。结论：模型的准确性、速度和轻量级架构使得该模型适合嵌入医院PACS系统中进行质量控制管理。
- 单位
