目的 基于膝关节X线图像,采用深度卷积神经网络和迁移学习方法构建模型,以探讨其在骨质疏松诊断中的应用效果.方法 收集江苏大学附属金坛医院的膝关节X线正位片,按比例8:2分为训练集(400张)与内部验证集(100张).从ImageNet网站上选取ResNet、Xception、NASNet及E伍cientNet4个深度卷积神经网络,并冻结其首次预训练的参数,作为单次训练组的模型框架;从Kermany-Chest X-Ray2017胸片数据集随机选取5856张图像,对这4个神经网络进行二次预训练,作为二次训练组的模型框架.分别利用两组模型框架针对金坛医院的膝关节X线图像进行目标训练、构建骨质疏松的分类模型.从Wani-Knee X-Ray2021数据集随机选取85张图像作为外部测试集.根据模型在内部验证与外部测试集中的表现评价其分类能力.结果 二次训练组的模型准确度均高于单次训练组.4个深度卷积神经网络中,EfficientNet模型性能显著优于另外3个模型.二次训练组的EfficientNet模型在内部验证集中准确度为0.918,F1值为0.918,受试者工作特征曲线下面积(Area Under Curve,AUC)为0.932;在外部测试集中准确度为0.824,F1值为0.848,AUC为0.846.结论 经胸片二次预训练建立的膝关节X线深度学习模型,在骨质疏松分类应用中,优于单次预训练模型.使用深度卷积神经网络迁移学习技
作者:李林斌;张涵;殷民月;朱嘉诚;朱锦舟;何劲;徐中华
来源:中国医疗设备 2023 年 38卷 11期