寧彬，李璐，于騰飛，童揮，何文，趙明昌

頸動(dòng)脈不穩(wěn)定粥樣硬化斑塊與腦血管事件的發(fā)生密切相關(guān)。尋找動(dòng)脈粥樣硬化斑塊內(nèi)新生血管的特征、斑塊軟硬度、斑塊表面是否潰瘍等這些可能導(dǎo)致斑塊破裂的聲像圖特征，明確其與斑塊易損性的相關(guān)性，是目前國(guó)內(nèi)外關(guān)注的熱點(diǎn)[1-2]。以上通過人工設(shè)計(jì)和收集能區(qū)分頸動(dòng)脈粥樣硬化斑塊的特征，并通過超聲造影評(píng)價(jià)斑塊穩(wěn)定性，但檢查結(jié)果受到操作者經(jīng)驗(yàn)的影響，使其臨床應(yīng)用受到一定限制。神經(jīng)網(wǎng)絡(luò)的特點(diǎn)在于避免人為設(shè)計(jì)特征的過程、能自動(dòng)學(xué)習(xí)圖像數(shù)據(jù)的特征，目前已被應(yīng)用到醫(yī)學(xué)領(lǐng)域并取得理想的效果[3-6]。有研究者將神經(jīng)網(wǎng)絡(luò)用于頸動(dòng)脈粥樣硬化斑塊超聲圖像特征的識(shí)別，這些研究使用的均為單支的具有不同隱含層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)學(xué)習(xí)頸動(dòng)脈常規(guī)超聲視頻[7-8]。本研究使用雙流神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)經(jīng)病理證實(shí)的頸動(dòng)脈粥樣硬化斑塊的超聲造影視頻的特征，判斷斑塊的穩(wěn)定性，評(píng)價(jià)其準(zhǔn)確性。

1 研究對(duì)象與方法

1.1 研究對(duì)象 連續(xù)性納入2015年9月-2018年10月期間首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院行頸動(dòng)脈內(nèi)膜剝脫術(shù)的225例患者的術(shù)前頸動(dòng)脈斑塊超聲造影視頻共844段作為研究對(duì)象進(jìn)行回顧性分析?；颊呷虢M標(biāo)準(zhǔn)：①年齡55～75歲；②因頸動(dòng)脈粥樣硬化所致頸動(dòng)脈狹窄并行頸動(dòng)脈內(nèi)膜剝脫術(shù)；③術(shù)前對(duì)手術(shù)段頸動(dòng)脈進(jìn)行了超聲及超聲造影檢查，術(shù)后對(duì)切除的頸動(dòng)脈粥樣硬化斑塊進(jìn)行了病理檢查。

1.2 病理學(xué)檢查 術(shù)后對(duì)頸動(dòng)脈粥樣硬化斑塊組織進(jìn)行福爾馬林溶液固定，石蠟包埋，橫切面連續(xù)切片（間隔10 μm，每片厚度5 μm），HE染色和免疫組織化學(xué)染色，標(biāo)記其CD68-巨噬細(xì)胞、CD3-淋巴細(xì)胞和CD31-新生血管。動(dòng)脈粥樣硬化斑塊易損性的判斷標(biāo)準(zhǔn)為纖維帽薄或不完整，脂質(zhì)核心面積＞40%，炎癥細(xì)胞豐富，斑塊內(nèi)出血或新生血管豐富。滿足其中一項(xiàng)即為易損斑塊。無(wú)上述任何特征為穩(wěn)定斑塊。病理結(jié)果分析由兩位病理專業(yè)醫(yī)師進(jìn)行判斷，診斷不一致則會(huì)商確定。對(duì)斑塊穩(wěn)定性的判斷以病理結(jié)果為金標(biāo)準(zhǔn)。

1.3 超聲造影和雙流神經(jīng)網(wǎng)絡(luò)技術(shù) 頸動(dòng)脈內(nèi)膜剝脫術(shù)前對(duì)患者的頸動(dòng)脈粥樣硬化斑塊進(jìn)行常規(guī)超聲及超聲造影檢查，從長(zhǎng)、短軸多角度、多切面留取超聲造影視頻。在納入的844段視頻中隨機(jī)抽取50個(gè)穩(wěn)定斑塊的視頻和50個(gè)易損斑塊的視頻作為測(cè)試集，剩余的視頻用于雙流神經(jīng)網(wǎng)絡(luò)訓(xùn)練（訓(xùn)練集），兩個(gè)集合中穩(wěn)定斑塊和易損斑塊的比例均接近1∶1。

1.3.1 雙流神經(jīng)網(wǎng)絡(luò)技術(shù)原理 神經(jīng)網(wǎng)絡(luò)整體上流向分為空間卷積神經(jīng)網(wǎng)絡(luò)分支和時(shí)間卷積神經(jīng)網(wǎng)絡(luò)分支（雙流），分別是包含若干隱藏層的卷積神經(jīng)網(wǎng)絡(luò)。兩分支的結(jié)果都是判斷視頻為穩(wěn)定或易損的概率，取值范圍為[0，1]，而且兩個(gè)概率的和為1，整合兩分支的結(jié)果計(jì)算最終判斷視頻中的斑塊為穩(wěn)定性或易損性的概率。當(dāng)穩(wěn)定的概率大于易損的概率時(shí)，判斷為穩(wěn)定性斑塊，網(wǎng)絡(luò)的輸出結(jié)果為0；否則被判斷為易損性斑塊，網(wǎng)絡(luò)的輸出結(jié)果為1[9]。

兩個(gè)分支網(wǎng)絡(luò)的隱藏層都包含5個(gè)卷積層、2個(gè)全連接層和1個(gè)指數(shù)歸一化層，它們分別捕捉超聲圖像視頻中的空間和時(shí)間信息，即代表了超聲圖像視頻中的靜態(tài)和動(dòng)態(tài)信息。對(duì)于空間信息，空間卷積神經(jīng)網(wǎng)絡(luò)分支使用的是一般的空間卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將視頻中隨機(jī)某幀造影圖像作為輸入；對(duì)于時(shí)間信息，時(shí)間卷積神經(jīng)網(wǎng)絡(luò)使用了一種基于光流的時(shí)間卷積神經(jīng)網(wǎng)絡(luò)，主要思路是從視頻中隨機(jī)選取連續(xù)數(shù)幀圖像對(duì)應(yīng)的光流圖像作為輸入，以此來(lái)表示連續(xù)時(shí)間上像素點(diǎn)的運(yùn)動(dòng)信息；當(dāng)視頻中有運(yùn)動(dòng)目標(biāo)時(shí)，光流圖像能描述目標(biāo)和背景存在的相對(duì)運(yùn)動(dòng)。結(jié)果融合為取兩支結(jié)果的平均值或者將兩支結(jié)果輸入支持向量機(jī)，得到最終結(jié)果（圖1）。

1.3.2 雙流神經(jīng)網(wǎng)絡(luò)訓(xùn)練前視頻準(zhǔn)備 ①準(zhǔn)備符合網(wǎng)絡(luò)輸入條件的視頻，即對(duì)原始超聲視頻進(jìn)行預(yù)處理，包括：為了排除過多背景對(duì)訓(xùn)練過程造成干擾，以視頻中頸動(dòng)脈為中心裁剪出長(zhǎng)寬都為250像素的感興趣區(qū)（圖2），同一視頻對(duì)相同位置進(jìn)行裁剪；因?yàn)椴煌暀C(jī)器收集到的視頻顏色存在差異，將彩色的造影視頻統(tǒng)一轉(zhuǎn)化成灰度視頻。②準(zhǔn)備超聲圖像視頻對(duì)應(yīng)的光流視頻：使用Gunnar Farneback的算法，基于當(dāng)前幀和上一幀圖像計(jì)算當(dāng)前幀中所有像素點(diǎn)的光流信息（可以為正數(shù)或者負(fù)數(shù)），將其線性轉(zhuǎn)化到一般灰度圖像像素值的取值范圍[0，255]內(nèi)，然后保存轉(zhuǎn)化得到的光流視頻[10]。③以病理結(jié)果為金標(biāo)準(zhǔn)，標(biāo)記每個(gè)訓(xùn)練視頻中斑塊的穩(wěn)定或易損屬性，穩(wěn)定記為0，易損記為1，這將被用來(lái)指導(dǎo)網(wǎng)絡(luò)的訓(xùn)練或者用來(lái)判斷網(wǎng)絡(luò)的區(qū)分效果，比如區(qū)分視頻中斑塊穩(wěn)定或易損性的準(zhǔn)確率、敏感度等。

1.3.3 雙流神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法 訓(xùn)練使用的超聲視頻數(shù)量會(huì)直接影響網(wǎng)絡(luò)最終的效果，由于本研究收集到的視頻有限，而神經(jīng)網(wǎng)絡(luò)前面幾層學(xué)習(xí)的都是通用的特征，后面的層才偏重于學(xué)習(xí)特定的特征，所以考慮使用遷移學(xué)習(xí)的方法訓(xùn)練網(wǎng)絡(luò)。

訓(xùn)練過程分3步：①使用包含13 320段視頻的UCF101自然視頻數(shù)據(jù)集訓(xùn)練雙流網(wǎng)絡(luò)，直到完成1000次迭代訓(xùn)練，訓(xùn)練集上損失函數(shù)由4.5下降到2.25；②使用遷移學(xué)習(xí)的概念，加載第一步中訓(xùn)練權(quán)重中全連接層之前的所有權(quán)重，用造影視頻中的訓(xùn)練集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，迭代訓(xùn)練64次，訓(xùn)練集上損失函數(shù)由0.714降到0.665；③加載第二步中的所有層的權(quán)重，繼續(xù)用造影視頻迭代訓(xùn)練1000次，訓(xùn)練集上損失函數(shù)由0.682降到0.25（圖3）[11]。

空間卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：將超聲造影視頻拆分為獨(dú)立的單幀造影圖像，每次訓(xùn)練時(shí)隨機(jī)選擇一幀輸入到網(wǎng)絡(luò)。

時(shí)間卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：因?yàn)檫B續(xù)兩幀圖像之間的光流只能描述極短時(shí)間里的動(dòng)態(tài)信息，而造影視頻的變化通常會(huì)發(fā)生在一段時(shí)間內(nèi)，所以隨機(jī)選定τ時(shí)刻的一幀圖像后，時(shí)間信息使用從該幀往前的連續(xù)L幀圖像的光流圖像作為輸入；因?yàn)楣饬鲌D像包含了水平和豎直方向的光流信息，本研究做法是將每幀圖像兩個(gè)方向的信息交叉堆疊輸入下面分支的網(wǎng)絡(luò)，每幀造影圖像長(zhǎng)寬記為w和h，那么對(duì)應(yīng)的光流圖像的長(zhǎng)寬也具有同樣的尺寸，使用L幀圖像兩個(gè)方向的光流圖像，所以使用2L幀光流圖像一起輸入到時(shí)間卷積神經(jīng)網(wǎng)絡(luò)，也就是每幀造影圖像對(duì)應(yīng)的時(shí)間網(wǎng)絡(luò)輸入光流信息的維度就是w×h×2L，計(jì)算表達(dá)式為：

圖1 雙流神經(jīng)網(wǎng)絡(luò)原理圖

圖2 超聲視頻圖像裁剪標(biāo)準(zhǔn)

圖3 訓(xùn)練集中雙流神經(jīng)網(wǎng)絡(luò)迭代次數(shù)與損失函數(shù)的變化

其中，u∈[1，w]，v∈[1，h]，k∈[1，L]，Iτ表示輸入網(wǎng)絡(luò)的光流視頻，τ是隨機(jī)選取的一個(gè)時(shí)刻，d表示計(jì)算得到的不同時(shí)刻的造影圖像對(duì)應(yīng)的光流圖像，dx，dy分別表示水平方向和豎直方向的光流信息。

以上訓(xùn)練中，都對(duì)輸入網(wǎng)絡(luò)的圖像和光流視頻進(jìn)行歸一化操作，具體為對(duì)輸入的每幅圖像數(shù)據(jù)減去其均值后除以255，使輸入網(wǎng)絡(luò)的圖像數(shù)據(jù)的取值范圍為[-1，1]。以上訓(xùn)練過程中使用數(shù)據(jù)增強(qiáng)來(lái)提高網(wǎng)絡(luò)的泛化性能，包括對(duì)網(wǎng)絡(luò)的輸入進(jìn)行以下操作：隨機(jī)剪裁出長(zhǎng)和寬都為224像素的視頻區(qū)域、按隨機(jī)角度旋轉(zhuǎn)、隨機(jī)調(diào)整圖像的亮度；以上損失函數(shù)使用基于指數(shù)歸一化層的輸出計(jì)算得到的交叉熵函數(shù)，指數(shù)歸一化層的輸出即輸入視頻為穩(wěn)定或易損斑塊的概率。

以上3步訓(xùn)練都保存了每次迭代訓(xùn)練生成的模型參數(shù)，計(jì)算不同參數(shù)在訓(xùn)練集上的準(zhǔn)確率，選取在訓(xùn)練集上準(zhǔn)確率最高的參數(shù)作為網(wǎng)絡(luò)最終的參數(shù)。網(wǎng)絡(luò)的參數(shù)為連接網(wǎng)絡(luò)的不同層的參數(shù)，將參數(shù)連接的網(wǎng)絡(luò)記為前一層和后一層，則這些參數(shù)作用在前一層的結(jié)果上，得到連接的后一層的結(jié)果。訓(xùn)練得到最佳的神經(jīng)網(wǎng)絡(luò)，即得到神經(jīng)網(wǎng)絡(luò)的一組最佳參數(shù)來(lái)區(qū)分視頻中斑塊的性質(zhì)。

1.3.4 雙流神經(jīng)網(wǎng)絡(luò)的測(cè)試 訓(xùn)練得到區(qū)分斑塊穩(wěn)定性的最佳參數(shù)后，利用網(wǎng)絡(luò)來(lái)測(cè)試造影視頻中斑塊性質(zhì)的流程為：①將測(cè)試集中造影視頻的每幀圖像輸入空間卷積神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練得到的網(wǎng)絡(luò)最優(yōu)參數(shù)計(jì)算每幀圖像的指數(shù)歸一化層的輸出斑塊穩(wěn)定和易損的概率結(jié)果；將以上概率結(jié)果平均后得到空間卷積神經(jīng)網(wǎng)絡(luò)判斷為穩(wěn)定斑塊或易損斑塊的概率值。②計(jì)算表示該造影視頻的水平和豎直方向運(yùn)動(dòng)信息的光流視頻，將光流視頻分為每段L幀，得到若干段拆分的小段視頻。將L幀圖像在兩個(gè)方向的光流圖像交叉堆疊輸入時(shí)間卷積神經(jīng)網(wǎng)絡(luò)，得到每小段視頻的歸一化指數(shù)層的結(jié)果，計(jì)算其平均值，作為整段光流視頻在空間卷積神經(jīng)網(wǎng)絡(luò)上的預(yù)測(cè)結(jié)果。③將以上兩步中的結(jié)果輸入支持向量機(jī)得到該造影視頻中斑塊穩(wěn)定或易損的概率，依據(jù)概率輸出是穩(wěn)定斑塊（0）還是易損斑塊（1）的結(jié)果。

1.4 統(tǒng)計(jì)學(xué)方法 采用medcalc統(tǒng)計(jì)軟件，計(jì)數(shù)資料采用率表示。以病理結(jié)果為金標(biāo)準(zhǔn)，定義易損斑塊為陽(yáng)性結(jié)果，穩(wěn)定斑塊為陰性結(jié)果，計(jì)算神經(jīng)網(wǎng)絡(luò)判斷斑塊性質(zhì)的準(zhǔn)確率、敏感度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值、陽(yáng)性似然比和陰性似然比，繪制受試者工作特征（receiver operating characteristic，ROC）曲線，計(jì)算曲線下面積（area under the curve，AUC）。P＜0.01為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料 研究共納入225例患者，年齡37～85歲，男性175例，女性50例，癥狀性頸動(dòng)脈狹窄150例、非癥狀性頸動(dòng)脈狹窄75例。頸動(dòng)脈內(nèi)膜剝脫術(shù)后經(jīng)病理證實(shí)，穩(wěn)定斑塊115個(gè)，易損斑塊110個(gè)，斑塊厚度＜3 mm者57例（25.3%），3～5 mm者106例（47.1%），＞5 mm者62例（27.6%）。術(shù)前超聲視頻共844段，幀頻為30幀/秒，圖像的長(zhǎng)寬多為960像素和706像素。其中744段視頻用于訓(xùn)練，100段視頻用于測(cè)試。

2.2 雙流神經(jīng)網(wǎng)絡(luò)判斷動(dòng)脈粥樣硬化斑塊穩(wěn)定性的價(jià)值

2.2.1 訓(xùn)練集中雙流神經(jīng)網(wǎng)絡(luò)判斷動(dòng)脈粥樣硬化斑塊穩(wěn)定性的價(jià)值 用于訓(xùn)練的744段超聲視頻中，判斷為真陽(yáng)性（易損斑塊）者248段，假陽(yáng)性者9段，假陰性者37段，真陰性者350段。雙流卷積神經(jīng)網(wǎng)絡(luò)區(qū)分頸動(dòng)脈斑塊穩(wěn)定性的準(zhǔn)確率、敏感度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值、陽(yáng)性似然比、陰性似然比分別為93%、87%、97%、96%、90%、29和0.13。ROC曲線AUC為0.99，P＜0.001（圖4）。

2.2.2 測(cè)試集中雙流神經(jīng)網(wǎng)絡(luò)判斷動(dòng)脈粥樣硬化斑塊穩(wěn)定性的價(jià)值 用于測(cè)試的100段超聲視頻中，判斷為真陽(yáng)性（易損斑塊）者35段，假陽(yáng)性者5段，假陰性者15段，真陰性者45段。雙流卷積神經(jīng)網(wǎng)絡(luò)區(qū)分頸動(dòng)脈斑塊穩(wěn)定性的準(zhǔn)確率、敏感度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值、陽(yáng)性似然比、陰性似然比分別為80%、70%、90%、88%、75%、7和0.33。ROC曲線AUC為0.84，P＜0.001（圖4）。

3 討論

頸動(dòng)脈粥樣硬化斑塊穩(wěn)定性的評(píng)價(jià)是臨床工作及研究的重點(diǎn)，目前的影像學(xué)方法包括常規(guī)超聲、CTA、DSA、高分辨MRI等對(duì)動(dòng)脈粥樣硬化斑塊的判斷均停留在形態(tài)學(xué)評(píng)估，對(duì)斑塊穩(wěn)定性的評(píng)價(jià)準(zhǔn)確性有限，不能滿足臨床需要。目前，神經(jīng)網(wǎng)絡(luò)在處理圖像問題上表現(xiàn)出很好的性能，比如在自然圖像檢測(cè)、分類和分割等領(lǐng)域，神經(jīng)網(wǎng)絡(luò)通過大量圖像的自動(dòng)學(xué)習(xí)及識(shí)別，相對(duì)于傳統(tǒng)方法均更好地學(xué)習(xí)到特定的知識(shí)，自動(dòng)達(dá)到特定目標(biāo)，得到了很好的目標(biāo)效果，并且具有較好的魯棒性。隨著神經(jīng)網(wǎng)絡(luò)在自然圖像領(lǐng)域得到廣泛認(rèn)可后，其在醫(yī)學(xué)圖像處理領(lǐng)域的應(yīng)用也逐漸開展，目前已被用來(lái)輔助醫(yī)師進(jìn)行乳腺疾病檢測(cè)、胎兒參數(shù)測(cè)量、醫(yī)學(xué)圖像的超分辨率研究等[3-6]。

超聲造影是一種通過觀察實(shí)質(zhì)性臟器內(nèi)血流灌注情況來(lái)判斷組織器官占位性病變特點(diǎn)的診斷方法，使用純血池造影劑，造影劑微泡的直徑相當(dāng)于紅細(xì)胞大小，不會(huì)外溢至血管壁外，因此能夠顯示動(dòng)脈粥樣硬化斑塊內(nèi)微血流情況，對(duì)斑塊內(nèi)新生血管情況進(jìn)行評(píng)價(jià)，從而判斷斑塊的穩(wěn)定性。斑塊內(nèi)新生血管的內(nèi)皮結(jié)構(gòu)不完整，導(dǎo)致紅細(xì)胞外滲，致使斑塊內(nèi)體積增加[12]；紅細(xì)胞膜釋放的游離膽固醇增加，使斑塊內(nèi)脂質(zhì)核心擴(kuò)大，導(dǎo)致斑塊易損[13]；另外新生血管是炎癥細(xì)胞進(jìn)入斑塊的通道，炎癥細(xì)胞又能夠刺激斑塊內(nèi)新生血管的生成，因此斑塊內(nèi)新生血管增多是斑塊易損的原因之一，許多研究表明超聲造影能夠較準(zhǔn)確的提示動(dòng)脈粥樣硬化斑塊的穩(wěn)定性和易損性[14-16]。但是，頸動(dòng)脈粥樣硬化斑塊超聲造影結(jié)果受到檢查者水平及觀察者間判斷一致性等問題，準(zhǔn)確性在不同醫(yī)院及不同檢查者間一致性不高，臨床應(yīng)用受到一定限制。本研究通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)頸動(dòng)脈內(nèi)膜剝脫術(shù)前超聲造影視頻圖像，收集大量特定場(chǎng)景的圖像，使神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到圖像中的特征，最終輔助醫(yī)師提高臨床診斷的效率和準(zhǔn)確率。

圖4 雙流神經(jīng)網(wǎng)絡(luò)判斷動(dòng)脈粥樣硬化斑塊穩(wěn)定性的ROC曲線

與本研究處理的醫(yī)學(xué)圖像類似，也有學(xué)者利用神經(jīng)網(wǎng)絡(luò)處理患者頸動(dòng)脈的圖像，但均為收集含有和不含頸動(dòng)脈粥樣硬化斑塊斑塊的超聲圖像來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)[7-8]。目的是得到能自動(dòng)判斷圖像中有無(wú)動(dòng)脈粥樣硬化斑塊的網(wǎng)絡(luò)，本研究的目的是訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)判斷頸動(dòng)脈粥樣硬化斑塊的穩(wěn)定性，難度更大。另外，既往研究中使用的神經(jīng)網(wǎng)絡(luò)都是單支神經(jīng)網(wǎng)絡(luò)，即只使用了頸動(dòng)脈超聲圖像的顏色信息，對(duì)單幅頸動(dòng)脈圖像是否含有斑塊做出判斷。本研究中收集了含有頸動(dòng)脈粥樣硬化斑塊較復(fù)雜的超聲造影視頻，利用造影視頻中每幀圖像的色彩信息和運(yùn)動(dòng)信息來(lái)鑒別斑塊的穩(wěn)定性，取得了較好的結(jié)果。

本研究收集到的頸動(dòng)脈內(nèi)膜剝脫術(shù)前超聲造影圖像中包含了頸動(dòng)脈粥樣硬化斑塊靜止?fàn)顟B(tài)下的紋理、大小、形狀等特征；計(jì)算的每個(gè)視頻中兩幅圖像的光流信息表示了造影圖像中的目標(biāo)在兩個(gè)連續(xù)幀之間的視在運(yùn)動(dòng)模式，造影視頻對(duì)應(yīng)的光流視頻就能反映斑塊的運(yùn)動(dòng)。本研究基于以上數(shù)據(jù)訓(xùn)練的雙流神經(jīng)網(wǎng)絡(luò)對(duì)頸動(dòng)脈斑塊超聲造影視頻進(jìn)行分類，介紹了網(wǎng)絡(luò)的設(shè)計(jì)和思想、訓(xùn)練方式、有效性等。其訓(xùn)練集上的準(zhǔn)確率達(dá)到93%，測(cè)試集判斷斑塊穩(wěn)定性的準(zhǔn)確率達(dá)到80%，測(cè)試集上表現(xiàn)不及訓(xùn)練集是因?yàn)橹挥杏?xùn)練集被直接用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，測(cè)試集只是測(cè)試已經(jīng)訓(xùn)練好的模型的推廣能力，所以并不能保證和訓(xùn)練集一樣的正確性，但用跟訓(xùn)練集相似的造影視頻測(cè)試神經(jīng)網(wǎng)絡(luò)能得到跟訓(xùn)練集相似的準(zhǔn)確率。課題組將進(jìn)一步訓(xùn)練神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)超聲造影視頻圖像，提高神經(jīng)網(wǎng)絡(luò)判斷動(dòng)脈粥樣硬化斑塊的效率和價(jià)值。

【點(diǎn)睛】本研究以病理診斷結(jié)果為金標(biāo)準(zhǔn)，訓(xùn)練雙流神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)頸動(dòng)脈粥樣硬化斑塊的超聲造影視頻特點(diǎn)，以期為臨床更高效、精準(zhǔn)的判斷超聲影像中顯示的動(dòng)脈粥樣硬化斑塊的性質(zhì)提供新的思路和技術(shù)。