基于卷积神经网络的骨折超声图像识别初步研究
冯自立1
康其传2
张涛1
章伟睿1
叶健安1
张云飞3
罗文4
徐灿华1
1.空军军医大学军事生物医学工程学系医学电子工程教研室,陕西西安7100322.军事医学科学院军事医学研究院辐射医学研究所,北京1008503.空军军医大学唐都医院骨科,陕西西安7100384.空军军医大学西京医院超声科,陕西西安710032
摘要：目的 针对骨折战伤超声快速诊断的需求,建立一个智能骨折超声识别模型,为骨折伤情的一线救治提供新技术和新手段.方法 首先,建立骨折战伤动物模型,收集获取动物四肢骨折超声图像,经过专业超声医生标记数据,对图像预处理后创建数据集;其次,基于TensorFlow深度学习框架构建用于骨折超声图像识别的卷积神经网络模型;最后,利用训练数据进行训练,调整模型参数,优化网络模型,获得最优模型参数,测试模型的识别率.结果 本文构建的卷积神经网络模型能够有效识别骨折超声图像,最终优化模型在测试集上识别率达到97.8％.结论 本研究基于TensorFlow深度学习框架构建的卷积神经网络骨折超声图像识别模型能够在动物骨折模型中取得较好结果,为下一步快速识别人体四肢骨折并准确分诊奠定了良好基础.
关键词：深度学习超声成像骨折智能诊断
分类号：R445(诊断学)R683(骨科学（运动系疾病、矫形外科学）)TP183(自动化基础理论)
资助基金：军队卫勤保障能力创新与生成专项(20WQ015)空军军医大学军事医学人才扶持基金(2020rcfcxch)
论文发表日期：2022-03-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：5( 348-352 )
英文信息