TY -的A2 Chakraborty Chinmay盟——刘Yabin AU -王,伊敏AU -蜀,丫盟——朱京PY - 2021 DA - 2021/12/15 TI -磁共振成像图像深度学习在肺结核和肺炎的识别SP - 6772624六世- 2021 AB -这项工作旨在探索深层的应用价值上优于磁共振成像(MRI)图像识别的肺结核和肺炎,以临床识别提供了一定的参考依据。在这项研究中,30个肺结核患者和27肺炎住院患者被选为研究对象,他们被分成一个肺结核组和肺炎组。MRI检查根据降噪算法被用来观察和对比信噪比(信噪比)和载波噪声比(CNR)的图像。此外,表观扩散系数(ADC)值为肺实质病变的诊断效率进行了分析,和最好的 b值被选中。结果表明,核磁共振图像去噪后深卷积神经网络(DCNN)算法清晰,肺组织的边缘是常规,炎症信号高,信噪比和中国北车比以前好,119.79和83.43和12.59和7.21,分别。核磁共振成像的准确性基于深度学习算法的诊断肺结核和肺炎明显改善(96.67%比70%、100%和62.96%)( P < 0.05 )。增加的 b价值,中国北车和信噪比的MRI图像显示下降的趋势( P < 0.05 )。因此,发现肺结核病变的影子在一个特定的序列高于肺炎过程中确定肺结核和肺炎,这反映了深度学习的重要性MRI图像在肺结核和肺炎的鉴别诊断,从而为临床随访诊断和治疗提供参考依据。SN - 2040 - 2295 UR - https://doi.org/10.1155/2021/6772624 - 10.1155 / 2021/6772624摩根富林明医疗工程PB - Hindawi KW - ER