基于MATLAB的医学影像数据迁移学习的实现
黄夏璇1
黄韬2
袁师其1
何宁霞2
武文韬3
吕军2
1.暨南大学附属第一医院神经内科,广州 510630;暨南大学附属第一医院临床研究部,广州 5106302.暨南大学附属第一医院临床研究部,广州 5106303.西安交通大学公共卫生学院,西安 710061
摘要：目的 探讨基于MATLAB实现医学影像数据的迁移学习.方法 以MIMIC公共数据库中的MIMIC-CXR数据库为例,随机选取胸腔积液阳性和阴性的X线图像各500张作为总数据集,采用MATLAB软件基于ResNet网络模型利用迁移学习方法进行多次训练,计算AUC值评估模型训练对胸腔积液影像分类的准确率.结果 本研究使用的胸腔积液影像测试集和训练集呈均匀分布,部分训练模型准确率达到80％,损失率则基本下降至20％以下,在迭代次数为250次的训练中最高准确率可达100％,耗时约2min?38s.基于本次模型训练获得对影像数据迁移学习的预测结果,AUC值最高为93.53％.结论 ResNet网络模型的迁移学习方法可实现模型构建和医学影像数据训练的有效结合和增强,且模型预测效能较好,为临床医生早期诊断胸腔积液提供了一定的依据.
关键词：MATLAB迁移学习图像分类胸腔积液
资助基金：国家社会科学基金(16BGL183)
论文发表日期：2022-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 33-39 )
英文信息