胃食道逆流疾病分類之可詮釋性深度學習模型比較

中山醫學大學機構典藏 CSMUIR > 健康管理學院 > 營養學系暨碩士班 > 博碩士論文 > Item 310902500/23079

Please use this identifier to cite or link to this item: https://ir.csmu.edu.tw:8080/ir/handle/310902500/23079

Title:	胃食道逆流疾病分類之可詮釋性深度學習模型比較 Comparison of Interpretable Deep Learning Models for Classification of Gastroesophageal Reflux Diseases
Authors:	邱愉晴 Yu-Ching Chiu
Contributors:	健康管理學院:醫學資訊學系;曾明性(Ming-Hseng Tseng)
Keywords:	胃食道逆流疾病分類;深度學習;卷積神經網路;可詮釋模型 gastroesophageal reflux disease classification;deep learning;convolutional neural network;interpretable model
Date:	2021-07-01
Issue Date:	2022-08-01T09:10:55Z (UTC)
Abstract:	胃食道逆流疾病是常見的消化道疾病之一，以洛杉磯分類標準來評估內視鏡檢查嚴重程度。在長期胃食道逆流的影響之下，導致其他嚴重併發症的風險提高，例如巴瑞特氏食道、食道癌等。因此，應及早診斷出胃食道逆流的症狀，並予以適當的治療。深度學習模型應用於電腦輔助診斷的案例越來越多，但是深度學習的「黑盒」特性，讓診斷結果難以解釋如此判斷的原因，妨礙醫師運用此方法進行病症的理解。在本研究中，使用上消化道內視鏡檢查影像作為資料集，可詮釋性模型為深度分層語義卷積神經網路，提供兩種輸出資訊，分別為語義特徵、以及洛杉磯分類標準預測，語義特徵為本研究人工萃取的3個內視鏡影像特徵，用以解釋模型分類預測結果的原因。接著比較語義特徵之網路層輸入融合層對於後續分類預測的準確性差異。泛化率最佳模型在十折交叉驗證平均下的訓練準確率為99.8%±0.2%，驗證準確率為85.8%±2.2%，測試準確率則是84.4%，高於兩位培訓醫師的人工測試結果（75%與65.6%）。
URI:	https://etds.csmu.edu.tw/ETDS/Home/Detail/U0003-1305202113453700 https://dx.doi.org/10.6834/csmu202100057 https://hdl.handle.net/11296/4pwkm8 https://ir.csmu.edu.tw:8080/handle/310902500/23079
Appears in Collections:	[營養學系暨碩士班] 博碩士論文

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	179	View/Open

Loading...