目的:构建基于胸片的深度学习模型检测新生儿肺炎，旨在提高新生儿肺炎的影像诊断水平及效率。方法:回顾性收集2018年1月至2021年9月暨南大学附属第一医院336幅新生儿胸片，其中新生儿肺炎176例，正常160例。随机将图像按8∶1∶1的比例分为训练集、测试集及验证集。利用ResNet50神经网络进行分类训练模型，然后进行验证。结果:验证组中深度学习模型诊断新生儿肺炎的曲线下面积AUC为0.993 1。结论:深度学习模型能够准确诊断新生儿肺炎，但尚需大样本多中心进一步验证研究。
科研之友
微信
新浪微博
Facebook
分享链接
