Научная статья

Перенос обучения глубокой сверточной нейронной сети для оценки стеатоза печени по ультразвуковым изображениям

Transfer learning with deep convolutional neural network for liver steatosis assessment in ultrasound images

International Journal of Computer Assisted Radiology and Surgery
10.1007/s11548-018-1843-2
Полный текст Открыть в журнале PubMed PMC
FWCI: 15.1FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 274 · Ссылки: 45 · Лицензия: CC-BY
Цитирование по годам: 2026: 35 · 2025: 62 · 2024: 39 · 2023: 35 · 2022: 39

Аннотация

Цель: Неалкогольная жировая болезнь печени — наиболее распространённая патология печени. До настоящего времени эталонным методом прямой количественной оценки стеатоза печени в образцах ткани остаётся биопсия. В этой работе предложен подход на основе нейронной сети для оценки неалкогольной жировой болезни печени по ультразвуковым изображениям.

Методы: Для извлечения признаков высокого уровня из последовательностей ультразвуковых изображений печени в В-режиме использовали глубокую сверточную нейронную сеть Inception-ResNet-v2, предварительно обученную на наборе данных ImageNet. Степень стеатоза печени оценивали по результатам клиновидной биопсии. Предложенный подход сравнивали с методом печеночно-почечного индекса и алгоритмом на основе матрицы совместной встречаемости уровней серого. После извлечения признаков изображения с жировой инфильтрацией печени классифицировали с помощью метода опорных векторов. По данным биопсии жировую инфильтрацию печени определяли как наличие стеатоза более чем в 5% гепатоцитов. Затем с помощью извлечённых признаков и метода регрессии Lasso оценивали степень стеатоза.

Результаты: Площадь под ROC-кривой для предложенного подхода составила 0,977 — больше, чем для метода печеночно-почечного индекса (0,959), и значительно больше, чем для алгоритма на основе матрицы совместной встречаемости уровней серого (0,893). Коэффициенты корреляции Спирмена между степенью стеатоза и результатами предложенного подхода, метода печеночно-почечного индекса и алгоритма на основе матрицы совместной встречаемости уровней серого составили соответственно 0,78, 0,80 и 0,39.

Выводы: Предложенный подход может помочь специалистам по ультразвуковой диагностике автоматически оценивать количество жира в печени. Он эффективен и, в отличие от других методов, не требует выбора области интереса.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.