中国血吸虫病防治杂志 ›› 2021, Vol. 33 ›› Issue (5): 445-.
• 论著 • 下一篇
施亮1,熊春蓉1,刘毛毛2,魏秀参3,王鑫瑶1,王涛1,黄轶昕1,洪青标1, 李伟1,羊海涛1,张键锋1*,杨坤1, 2*
SHI Liang1, XIONG Chun⁃Rong1, LIU Mao⁃Mao2, WEI Xiu⁃Shen3, WANG Xin⁃Yao1, WANG Tao1, HUANG Yi⁃Xin1, HONG Qing⁃Biao1, LI WEI1, YANG Hai⁃Tao1, ZHANG Jian⁃Feng1*, YANG Kun1,2*
摘要: 目的 建立一种基于深度学习技术的日本血吸虫中间宿主湖北钉螺视觉智能识别模型,评价不同训练策略用于钉螺图像识别的效果。方法 通过现场采集和互联网抓取构建钉螺及4种相似螺类数据集2 614幅,将其分为训练集和测试集。基于深度学习技术建立智能识别模型,并对模型进行训练及测试,计算模型识别钉螺的精确率、敏感性、特异性、准确率、F1值、约登指数;绘制受试者工作特征(receiver operating characteristic, ROC)曲线,分析“全新学习”、“迁移学习”、“迁移学习+数据增强”等3种不同训练策略对模型识别钉螺准确性的影响。结果 “迁移学习+数据增强”训练策略下,模型识别钉螺的精确率、敏感性、特异性、准确率、约登指数和F1值分别为90.10%、91.00%、97.50%、96.20%、88.50%、90.51%,均高于“全新学习”、“迁移学习”策略;“全新学习”、“迁移学习”、“迁移学习+数据增强”训练策略下,模型识别钉螺的敏感性、特异性和准确率差异均有统计学意义(P均 < 0.001)。“迁移学习+数据增强”训练策略下,模型ROC曲线下面积最大(0.94)。结论 首次建立了基于深度学习技术的湖北钉螺视觉智能识别模型,钉螺图像识别准确性较高。“数据增强和迁移学习”训练策略有助于提高模型识别钉螺的准确性。
中图分类号: