超声心动图分类

在实习期间，我参与了医学超声心动图深度学习的项目，负责文献调研、数据处理和模型训练等重要环节。我使用PyTorch框架，搭建了ResNet18网络，并在50轮的迭代中监测了模型的关键性能指标，为结果分析提供了数据支持。在模型训练方面，我不但优化了超参数和损失函数，还选择了合适的优化器，保证了模型在验证集和测试集上的优秀表现。这个过程既检验了我的深度学习理论水平，也锻炼了我的独立思考和问题解决能力。在结果分析阶段，我进行了双重性能评估，包括对图像视图分类和个体病例分类的详细分析。我综合了各个视图的预测结果，形成了对整体病例的全面分类预测。此外，我还参与了结果的整理和归纳工作，为实验结果的清晰展示提供了帮助