韩啸1,谷宗运1,2,赵士博1,宋亮亮3,王倩3,李传富2,3
目的 探讨在数据治理过程中利用深度学习的图像分类方法对每幅X线检查图像进行准确分类的可行性。方法 将安徽
省全省范围内80%以上的医疗机构的不同类型设备上传至安徽省影像云平台中的脱敏后X线数据纳入本研究,并选取25种
常见的X线检查项目,由两名影像科技师参考放射科信息系统的检查项目名称,对数据治理平台中获取的12857幅影像数据
进行标注。标注数据集按照7∶1∶2的比例分为训练集、验证集和测试集,其中训练集9006张图像,验证集1279张图像,测
试集2572张图像。基于ResNet50搭建深度学习网络,利用训练集和验证集数据进行模型训练,测试集测试结果采用受试者
工作特征曲线(Receiver Operating Characteristic Curve,ROC)和敏感度作为模型的性能评价指标。结果 测试集的测试结
果显示,大多数图像分类正确,图像分类平均ROC曲线下的面积为99.94%,敏感度为98.05%±5.68%,但仍有少量图像不
准确。结论 在医学影像数据治理过程中,基于图像分类的方法可以实现大部分X线检查项目图像的准确分类,但少量图像
由于拍摄图像不规范,无法正确分类,需要结合放射科信息系统的检查项目名称信息进行进一步分类。