TY -的非盟高,Junbo盟——郭Yuanhao盟——太阳,Yingxue盟——瞿,提供关于PY - 2020 DA - 2020/08/25 TI -应用的深度学习的早期筛查大肠癌癌前病变在白光内镜SP - 8374317六世- 2020 AB - 背景和目的。结直肠癌(CRC)是一种常见的胃肠肿瘤发病率和死亡率高。内镜检查是一种有效的方法消化系统肿瘤的早期检测。然而,由于各种原因,错过了诊断及误诊是常见的现象。我们的目标是使用深度学习方法建立结直肠病变检测、定位和分类模型基于白光内窥镜图像和设计计算机辅助诊断(CAD)系统来帮助医生减少漏诊,提高检测率的准确性。 方法。我们收集和整理出白光内窥镜图像的一些患者接受结肠镜检查。卷积神经网络模型用于检测图像是否包含病变:CRC,结直肠腺瘤(CRA)和结肠直肠息肉。的准确性、敏感性和特异性率作为指标评价模型。实例细分模式是用于定位和分类上的病变图像包含病变,和地图(平均平均精度),美联社₅₀,据美联社_75年是用来评估细分模式实例的性能。 结果。检测图像是否包含病变过程中,我们与其他四个模型ResNet50相比,也就是说,AlexNet, VGG19 ResNet18, GoogLeNet。结果是,ResNet50执行比其他模型。得分93.0%的精度,灵敏度为94.3%,特异性为90.6%。的过程中损伤的定位和分类图像包含由面具R-CNN病变,其地图,美联社₅₀,据美联社_75年分别是0.676,0.903和0.833。 结论。我们开发和比较五种型号的检测病变白光内窥镜图像。ResNet50显示最优性能和面具R-CNN模型可以用来包含损伤定位和损伤图像进行分类。SN - 1748 - 670 - 2020/8374317 / 10.1155 x你——https://doi.org/10.1155/2020/8374317——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER