基于深度学习的颈椎间盘突出识别方法
延亚洁
袁细国
1.西安电子科技大学 计算机科学与技术学院,陕西 西安 7100712.西安电子科技大学 计算机科学与技术学院,陕西 西安 710071
摘要：颈椎间盘突出在人群特别是老年人群中非常普遍,且具有多种类型,对其进行快速、有效且准确的识别并能检测其类型,具有重要意义.构建基于深度学习的颈椎间盘突出识别方法,其核心思想在于:在大量采集各种类型颈椎间盘突出患者颈部MR I影像样本的基础上,将样本分为膨出型、突出型、未患病三类,通过筛选、截取、归一化、扩增处理等操作,构建有效的训练数据;依据本数据集的特点,提出了一种改进的迁移学习网络模型(GoogleNet Inception V3)结构,将模型中的平均池化以及最大池化替换成了组合池化,并通过对数据样本进行训练,使得最终训练好的分类模型最优.通过大量测试数据进行测试,并采用了一种加权F1 score的评估方式,结果表明:在召回率、精确度方面,针对本数据集,本模型都有显著优势.
关键词：颈椎间盘突出GoogleNet Inception V3模型深度学习辅助诊断
分类号：N39(信息化建设、新技术应用)
资助基金：国家自然科学基金(61571341)
论文发表日期：2021-02-28
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：9( 11-19 )
英文信息