机构名称：
¥ 1.0
摘要：这项工作的目的是比较神经网络和经验丰富的人类读者对AL与ATT淀粉样蛋白病的心脏MR形象的分类。研究了120名患者的Cine-MR图像和GADOLIN升高（LGE）的晚期图像（70 Al和50 TTR）。VGG16卷积神经网络（CNN）接受了5倍的交叉验证过程训练，并注意训练组或测试组中给定患者的图像。通过平均每个图像获得的预测，在患者级别进行分析。Cine-CNN在AL和ATT淀粉样变性之间获得的分类精度为0.750，Gado-CNN的分类精度为0.611，人读者在0.617至0.675之间。Cine-CNN的ROC曲线的相应AUC为0.839，GADO-CNN（p <0.004 vs. Cine）为0.679，最佳人类读者的AUC为0.679（p <0.004 vs. Cine）（p <0.714）（p <0.007 vs. Cine）。使用Cine-CNN和Gado-CNN的逻辑回归，以及针对特定取向平面的分析，并未改变整体结果。我们得出的结论是，与Gado-CNN或人类读者相比，Cine-CNN导致AL和ATT淀粉样变性的明显更好地歧视，但是在视觉诊断很容易的研究中，其性能低于所报道的，目前是临床实践的次优。
深度学习对Al与Att的心脏淀粉样变性MR图像
主要关键词
相关文件推荐
