一种基于FibroNet深度学习模型识别纤维化型pSS-ILD的方法

本发明公开了一种基于FibroNet深度学习模型识别纤维化型pSS‑ILD的方法，步骤S1、获取原发性干燥综合征相关间质性肺疾病的CT图像数据，并对获取的CT图像数据进行预处理，将预处理后的CT图像数据分为训练集和测试集；步骤S2、基于改进的VGG结构建立F‑pSS‑ILD的深度学习模型，并利用训练集对F‑pSS‑ILD的深度学习模型进行训练；步骤S3、利用训练好的F‑pSS‑ILD的深度学习模型输出原发性干燥综合征疾病CT图像纤维化的概率；并利用测试集评估F‑pSS‑ILD的深度学习模型对原发性干燥综合征疾病的预测性能，本发明缩短诊断延迟时间早期识别F‑pSS‑ILD能帮助患者及医生决定是否启动抗纤维化治疗，从而提高诊断的准确率及效率，并为临床医生提供更好的辅助诊断工具。