基于深度学习的DR胸片智能质控方法研究

作者：王平; 胡博奇; 安东洪; 刘蓄蕾; 石张镇; 田中生; 郝富德; 刘景鑫^*

来源：中国医疗设备, 2020, 35(10): 28-33.

• 深度学习
• 胸部DR
• 质量控制
• 卷积神经网络

目的为了减轻医学影像质量控制工作给医院及相关机构带来的工作负担,弥补人工质量控制存在的多方面缺陷,本文提出一种基于深度学习的DR胸片正位和侧位摄影的质量控制方法。方法通过特定结构的卷积神经网络完成DR图像的语义分析,结合医学影像质量控制标准,自动批量完成影像质控工作。结果该方法在多个数据集中的平均准确率为98.32%,单例影像的平均质控时间为83 ms。结论该模型可以快速、准确地实现DR影像的自动智能质控。

• 单位
  吉林大学中日联谊医院