典型文献
基于深度学习算法的儿童胫腓骨骨折检测研究
文献摘要：
目的 构建以深度学习算法(YOLOv5)为框架的模型,在此模型上采用人工智能算法在儿童胫腓骨骨折数字X射线摄影(DR)检测中的应用.方法 收集302例儿童胫腓骨骨折DR图像,并由放射科医师标对骨折区域进行标注.对以上数据进行预处理,然后将模型进行训练以提取骨折影像特征和位置信息.结果 在独立测试集上进行测试,结果显示骨折检测平均精确率(AP)达93.07％.结论 基于深度学习算法的儿童胫腓骨骨折检测精确率较高,该辅助诊断技术能够辅助临床医师诊断儿童胫腓骨骨折,值得临床推广.
文献关键词：
儿童;胫腓骨;深度学习;骨折检测;卷积神经网络;数字X射线摄影
中图分类号：
作者姓名：
楼毅;王志禄;倪捷;侯珏;刘正;刘伟光
作者机构：
310014 杭州市儿童医院;310018 浙江理工大学;311121 杭州师范大学
文献出处：
引用格式：
[1]楼毅;王志禄;倪捷;侯珏;刘正;刘伟光-.基于深度学习算法的儿童胫腓骨骨折检测研究)[J].浙江临床医学,2022(09):1282-1284
A类：
B类：
深度学习算法,胫腓骨骨折,骨折检测,YOLOv5,人工智能算法,DR,放射科医师,上数,取骨,影像特征,位置信息,测试集,精确率,AP,辅助诊断,诊断技术,临床医师,临床推广
AB值：
0.213066
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
