基于深度学习的胸部常见病变诊断方法

发布时间：2022-01-22 10:35

　　胸透X射线广泛应用于多种胸部常见病变的筛查任务,由于不同类型的胸科疾病在病理形态、大小、位置等方面往往具有多样性以及较大的差异性,且疾病样本具有比例不平衡等问题,导致难以通过深度学习技术来检测并定位胸部疾病区域。针对该问题,提出一种基于深度学习的胸部疾病诊断算法。通过压缩激励模块实现自适应特征重标定,以提高网络的细粒度分类能力。采用全局最大-平均池化层增强网络病理特征的空间映射能力,使用焦点损失函数降低简单易分类样本的权重,使得模型在训练时更专注易错分样本的学习。在此基础上,通过梯度加权类激活映射实现弱监督病变区域的可视化定位,为网络预测结果提供相应的视觉解释。在ChestX-Ray14官方数据划分标准下进行训练与评估,结果表明,该算法对14种常见胸部疾病的诊断效果较好,平均AUC值达到0.83。 

【文章来源】：计算机工程. 2020,46(07)北大核心CSCD

【文章页数】：7 页

【部分图文】：

8种胸部常见疾病的X射线图及病变区域

胸部疾病诊断网络结构

压缩激励模块示意图

【参考文献】：
期刊论文
[1]带尺寸约束的弱监督眼底图像视盘分割[J]. 鲁正,陈大力,薛定宇.  中国图象图形学报. 2019(05)
[2]基于多尺度特征结构的U-Net肺结节检测算法[J]. 朱辉,秦品乐.  计算机工程. 2019(04)
[3]人工智能在医学影像CAD中的应用[J]. 潘亚玲,王晗琦,陆勇.  国际医学放射学杂志. 2019(01)

博士论文
[1]卷积神经网络和迁移学习在癌症影像分析中的研究[D]. 余绍德.中国科学院大学(中国科学院深圳先进技术研究院) 2018



本文编号：3602042