胸透X射線廣泛應用于多種胸部常見病變的篩查任務(wù),由于不同類型的胸科疾病在病理形態(tài)、大小、位置等方面往往具有多樣性以及較大的差異性,且疾病樣本具有比例不平衡等問題,導致難以通過深度學習技術(shù)來檢測并定位胸部疾病區(qū)域。針對該問題,提出一種基于深度學習的胸部疾病診斷算法。通過壓縮激勵模塊實現(xiàn)自適應特征重標定,以提高網(wǎng)絡(luò)的細粒度分類能力。采用全局最大-平均池化層增強網(wǎng)絡(luò)病理特征的空間映射能力,使用焦點損失函數(shù)降低簡單易分類樣本的權(quán)重,使得模型在訓練時更專注易錯分樣本的學習。在此基礎(chǔ)上,通過梯度加權(quán)類激活映射實現(xiàn)弱監(jiān)督病變區(qū)域的可視化定位,為網(wǎng)絡(luò)預測結(jié)果提供相應的視覺解釋。在ChestX-Ray14官方數(shù)據(jù)劃分標準下進行訓練與評估,結(jié)果表明,該算法對14種常見胸部疾病的診斷效果較好,平均AUC值達到0.83。 

【文章來源】：計算機工程. 2020,46(07)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

8種胸部常見疾病的X射線圖及病變區(qū)域

胸部疾病診斷網(wǎng)絡(luò)結(jié)構(gòu)

壓縮激勵模塊示意圖

【參考文獻】：
期刊論文
[1]帶尺寸約束的弱監(jiān)督眼底圖像視盤分割[J]. 魯正,陳大力,薛定宇.  中國圖象圖形學報. 2019(05)
[2]基于多尺度特征結(jié)構(gòu)的U-Net肺結(jié)節(jié)檢測算法[J]. 朱輝,秦品樂.  計算機工程. 2019(04)
[3]人工智能在醫(yī)學影像CAD中的應用[J]. 潘亞玲,王晗琦,陸勇.  國際醫(yī)學放射學雜志. 2019(01)

博士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)和遷移學習在癌癥影像分析中的研究[D]. 余紹德.中國科學院大學(中國科學院深圳先進技術(shù)研究院) 2018



本文編號：3602042