基于卷积神经网络GoogLeNet算法构建颅内动脉瘤诊断模型

作     者：詹翔 王艺任 彭艳 张容 向红俐 巩佳利 庞皓文 周平 ZHAN Xiang;WANG Yiren;PENG Yan;ZHANG Rong;XIANG Hongli;GONG Jiali;PANG Haowen;ZHOU Ping

作者机构：西南医科大学附属医院放射科泸州646000 西南医科大学护理学院泸州646000 西南医科大学附属医院介入医学部泸州646000 西南医科大学公共卫生学院泸州646000 西南医科大学附属医院肿瘤科泸州646000 

出 版 物：《西南医科大学学报》 (Journal of Southwest Medical University)

年 卷 期：2024年第47卷第4期

页      面：339-344页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：四川省医学科研课题计划(S21004) 古蔺县人民医院-西南医科大学附属医院科技战略合作项目(2022GLXNYDFY05) 西南医科大学应用基础研究计划(2019ZQN086) 国家级大学生创新创业训练计划项目(202310632001,202310632028) 

主　　题：深度学习 卷积神经网络 颅内动脉瘤 诊断模型 人工智能 

摘      要：目的评价基于卷积神经网络的GoogLeNet算法在颅内动脉瘤自动分类诊断中的应用效果。方法本项研究回顾性收集了2020年1月至2023年1月在西南医科大学附属医院进行头部CT扫描的234例颅内动脉瘤患者和正常对照者的计算机断层扫描血管造影图像作为研究对象,采用Pytorch框架构建基于GoogLeNet算法的卷积神经网络模型,并使用He初始化方法和Adam优化器进行模型参数初始化和优化,采用交叉熵作为损失函数,并使用批标准化和dropout技术进行模型训练和防止过拟合。结果基于GoogLeNet算法构建的颅内动脉瘤诊断模型在测试集上获得了较高的准确度和较低的损失函数值,受试者工作特征曲线显示训练集的曲线下面积为0.891,测试集为0.851,证明了该模型在颅内动脉瘤诊断中具有很好的应用前景。结论基于卷积神经网络的GoogLeNet算法可以有效地应用于颅内动脉瘤诊断,并且具有较高的准确度和较低的损失函数值,可以为颅内动脉瘤的早期诊断和治疗提供参考依据。