您好，欢迎来到中国测试科技资讯平台！
摘要：
精确分析患者的心功能状态,并尽早地、准确地诊断出心脏疾病,对提高该病的治疗效果,降低医疗成本有着重大意义.众多影像手段中,心脏磁共振的软组织对比度最高,但是心脏核磁数据序列多、融合难,处理需要专业医师人工勾画,非常耗时.因此,本文基于多任务学习机制,构建双支深度神经网络,结合卷积神经网络及循环神经网络,提取心脏核磁的空间及运动特征,在训练样本量有限的情况下实现了对正常心脏、扩心病、肥心病的准确诊断.本文方法与经典算法C3D及LRCN对比获得了更高的识别准确率,综合AUC值均达到了0.94以上.
关键词： 心脏核磁共振; 心肌病识别; 多任务学习; 双支网络; 卷积网络;
作者： 肖晶晶，崔春，陈佳，
作者单位： 1. 陆军军医大学第二附属医院医学工程科2. 陆军军医大学第二附属医院放射科
刊名： 《测试技术学报》
Journal： Journal of Test and Measurement Technology
年，卷(期)： 2020, (5)
在线出版日期： 2020年10月31日
页数： 6
页码： 390-395
友情链接：
广告代理：秦皇岛北驰文化传播有限公司
理事会外联部
印 刷：成都天麦点金实业有限公司
国内总发行：成都市邮政局
邮发代号：62-260
国外发行：中国出版对外贸易总公司
国外代号：DK51019
中国标准连续出版物号：ISSN 1674-5124 CN51-1714/TB
业内最新资讯动态
请关注微信公众号
蜀ICP备11014963号-1 《中国测试》杂志社 版权所有 技术支持：成都驰创数码
文档下载