26、医学影像智能诊断：从中风检测到肺炎诊断的深度学习突破

医学影像智能诊断：从中风检测到肺炎诊断的深度学习突破

中风检测的深度学习探索

1. 模型预测表现

在中风检测的研究中，对GRU和LSTM模型的整体系统预测率进行了评估，具体数据如下：
| 模型 | 数据集 | 图像数量 | 正确预测图像数量 | 结果(%) |
| — | — | — | — | — |
| GRU | 训练集 | 1330 | 1330 | 100 |
| GRU | 测试集 | 333 | 301 | 90.39 |
| GRU | 总计 | 1663 | 1631 | 95.195 |
| LSTM | 训练集 | 1330 | 1330 | 100 |
| LSTM | 测试集 | 333 | 302 | 90.62 |
| LSTM | 总计 | 1663 | 1632 | 95.31 |

从这些数据可以看出，GRU和LSTM在训练集上都达到了100%的预测准确率，而在测试集上，LSTM的准确率略高于GRU。

2. 内核大小的影响

选择合适的内核大小对于系统的正确预测至关重要，这通常是一个反复试验的过程。常见的选择是将内核大小设置为3×3或5×5。不同内核大小对系统整体准确率的影响如下：
| 内核大小 | 训练准确率(%) | 测试准确率(%) |
| — | — | — |
| 3 × 3 | 99 | 88 |
| 5 × 5 | 100 | 90 |
| 7 × 7 | 100 | 92 |

可以看到，随着内核大小的增加，测试准确率有所提高。这表明在中风