MATLAB AUCCODE-NALFD-1DCNN：基于射频超声信号的NAFLD诊断及肝脂肪含量量化1D-CNN模型

简介：
本研究开发了MATLAB AUCCODE-NALFD-1DCNN模型，利用1D-CNN技术对射频超声信号进行分析，旨在实现非酒精性脂肪肝病（NAFLD）的自动诊断及肝脂肪含量的量化评估。 Matlab的耳语nafld-1d-cnn利用射频（RF）超声信号进行非酒精性脂肪肝病（NAFLD）诊断及肝脏脂肪分数定量的1D-CNN模型开发。此代码用于构建、训练和测试两个1D-CNN模型：a) 区分患有NAFLD与无肝病对照组的分类器；b) 预测肝脏中脂肪比例的估算器。这两个模型均以射频超声信号为输入，并采用MRI质子密度脂肪分数（PDFF）作为参考标准（标签）。在分类任务中，将MRI-PDFF值≥5%定义为NAFLD。livernet_1d_cnn.py文件包含最终版本的分类器和脂肪比例估算器模型架构。对于超参数调整及初始训练，请使用hyper_parameter_tuning_classifier.py 和 hyper_parameter_tuning_ff_estimator.py 脚本；而对于最终模型训练，则请分别运行train_classifier.py 和 train_ff_estimator.py 文件。最后，测试阶段将通过test_classifier.py 及 test_ff_estimator.py 来执行。datagenerator.py 则负责为深度学习模型准备输入数据的预处理工作。原始降采样的RF信号需被妥善保存以供后续使用。