首页|基于深度残差网络的脊柱疾病分类预测

基于深度残差网络的脊柱疾病分类预测

扫码查看
原文链接
  • 万方数据
  • 维普
脊柱退化性疾病,作为脊柱外科中最常见的疾病脊椎疾病,其发病正呈现年轻化的趋势.磁共振成像作为一种非侵入式检查手段,凭借对软组织成像好、无辐射、对肌肉骨骼疾病的特异性和敏感度较高等优点,在临床上被用于脊椎疾病的诊断.该文提出了一种基于深度残差网络的脊椎病核磁共振图像人工智能分类模型,能够帮助医生实现早期的脊柱退化性疾病筛查,帮助患者尽早得到正确有效的治疗.据实验结果表明,该模型不仅可以获得比传统神经网络深度学习算法更高的脊椎疾病识别率,还可以比传统神经网络深度学习算法提高35％到85％的计算效率并节省70％以上的内存占用.这一点使得该算法能够适应于资源有限的移动终端和对延迟要求比较高的医疗场景.
Classification and Prediction of Spine Diseases Based on Deep Residual Network

李大舟、张诗瑞、高巍

展开 >

沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142

脊柱退化性疾病 轻量化深度神经网络 深度残差网络 卷积神经网络 过拟合 自动诊断

辽宁省教育科学技术研究项目

LJ2020033

2022

10.3969/j.issn.1673-629X.2022.05.033

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(5)
  • 1
  • 3