학술논문
利用深度学习模型从常规MRI T2WI图像估算BMI的分析 / A preliminary study on estimating body mass index(BMI)from conventional MR T2-weighted images using a deep learning model
Document Type
Academic Journal
Author
Source
医学影像学杂志 / Journal of Medical Imaging. 33(6):1049-1052
Subject
Language
Chinese
ISSN
1006-9011
Abstract
目的 探讨以深度学习模型为基础的方法通过实现对临床常规T2WI图像自动估算患者身体质量指数(BMI)模型的可行性.方法 选取58例临床常规腹部MRI检查的T2WI图像集.对于每个多层的T2WI图像集逐层生成2D图像数据,最终生成1378个单层2D T2WI图像数据集.BMI估算模型由特征提取和数值估算两个功能模块组成,其中特征提取功能部分,使用深度残差网络(residual deep neural network,ResNet)为基础特征提取模块,结合线性全连接层实现BMI数值估算功能.数据随机分为训练集(57.00％)、验证集(14.00％)和测试集(29.00％),其中分组原则要满足测试集训练集和验证集的图像数据来源于不同的患者.以估算准确个数占比和均方根对数误差(RMSLE)为BMI估算模型性能的评价指标.结果 测试集中在误差冗余值(error redundancy,ER)为2.5时,BMI模型的估算准确个数占比为81.25％,均方根对数误差(RMSLE)为0.48％.结论 深度学习模型对临床常规T2WI图像自动估算患者BMI是可行的,通过腹部单层T2WI估算患者BMI值,提高了护士记录患者基本信息效率,可用于进一步分析并尝试应用于临床.