TY -的A2 -陈,Lei AU - Ma,魏盟- Cheng窑盟——徐,襄阳王盟——,芙蓉盟——周跑AU -窗口,亚伦AU -叮,明月PY - 2021 DA - 2021/08/19 TI -多级地带Pooling-Based卷积神经网络分类的颈动脉斑块回声SP - 3425893六世- 2021 AB -颈动脉斑块回声增强超声图像中被发现与中风的风险密切相关的动脉粥样硬化病人。颈动脉斑块回声的自动、准确分类具有重要意义的临床评估颈动脉斑块的稳定性和预测心血管事件。现有的卷积神经网络(cnn)可以提供一个自动颈动脉斑块回声分类;然而,他们需要一个固定大小的输入图像,而颈动脉斑块大小不一。虽然裁剪和缩放输入颈动脉斑块图像是有前途的,它将导致损失或内容失真,因此降低分类精度。在这项研究中,我们设计空间金字塔池(SPP),提出多级地带池(MSP)自动、准确分类的颈动脉斑块回声在纵切面。拟议的MSP模块可以接受任意大小的颈动脉斑块作为输入,并捕获远程信息化背景下提高分类的准确性。在我们的实验中,我们实现一个MSP-based CNN使用视觉几何组(VGG)网络为骨干。共有1463个颈动脉斑块(335 echo-rich斑块,405中间斑块,和723 echolucent斑块)收集来自武汉大学中南医院。的5倍交叉验证结果表明,该MSP-based VGGNet达到的敏感性为92.1%,特异性为95.6%,准确性为92.1%,和F1-score 92.1%。 These results demonstrate that our approach provides a way to enhance the applicability of CNN by enabling the acceptance of arbitrary input sizes and improving the classification accuracy of carotid plaque echogenicity, which has a great potential for an efficient and objective risk assessment of carotid plaques in the clinic. SN - 1748-670X UR - https://doi.org/10.1155/2021/3425893 DO - 10.1155/2021/3425893 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -