文献类型：期刊文章

作　　者：杨琦帆[1,2] 孙雪阳[1,2] 王彦斌[3] 田志岭[2] 董贺文[2] 万雷[2] 邹冬华[2] 于笑天[2] 张广政[1] 刘宁国[2]

YANG Qi-fan;SUN Xue-yang;WANG Yan-bin;TIAN Zhi-ling;DONG He-wen;WAN Lei;ZOU Dong-hua;YU Xiao-tian;ZHANG Guang-zheng;LIU Ning-guo(Department of Forensic Medicine,School of Basic Medical Sciences,Zhengzhou University,Zhengzhou 450000,China;Shanghai Key Laboratory of Forensic Medicine,Key Laboratory of Forensic Science,Minis-try of Justice,Shanghai Forensic Service Platform,Academy of Forensic Science,Shanghai 200063,China;China National Accreditation Service for Conformity Assessment,Beijing 100062,China)

机构地区：[1]郑州大学基础医学院法医学系,河南郑州450000 [2]司法鉴定科学研究院,上海市法医学重点实验室,司法部司法鉴定重点实验室,上海市司法鉴定专业技术服务平台,上海200063 [3]中国合格评定国家认可中心,北京100062

出　　处：《法医学杂志》

基　　金：中央级公益性科研院所项目(GY2020Z-4,GY2021G-4);2021年度中国科技期刊卓越行动选育高水平办刊人才子项目-青年人才支持项目(2021ZZ052807);国家自然科学基金资助项目(82171872);上海市法医学重点实验室资助项目(21DZ2270800);上海市司法鉴定专业技术服务平台资助项目(19DZ2292700);司法部司法鉴定重点实验室资助项目;上海市法医学重点实验室暨司法部司法鉴定重点实验室开放课题(KF202120)。

年　　份：2022

卷　　号：38

期　　号：2

起止页码：223-230

语　　种：中文

收录情况：CAS、CSCD、CSCD_E2021_2022、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：目的应用卷积神经网络Inception_v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照。将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集。采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能。结果模型在训练过程和验证过程中对3种图像(加速性损伤、减速性损伤及正常颅脑)分类的最高准确率分别为99.00%、87.21%,满足要求。使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18%,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38%、90.00%、87.10%、0.98,识别减速性损伤的各值分别为86.67%、72.22%、78.79%、0.92,识别正常颅脑的各值分别为88.57%、89.86%、89.21%、0.93。结论Inception_v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具。

关 键 词：法医学  加速性脑损伤  减速性脑损伤  图像分类  深度学习  卷积神经网络  受试者操作特征曲线 Inception_v3模型  

分 类 号：DF795.1[法医学类]