多任务网络模型对肝脏超声影像的识别和去噪

• 作者: 张欢 赵希梅 魏宾
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 多任务网络 肝脏图像 无监督学习 图像识别 图像去噪
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 环境工程与信息工程
• 页码范围: 40-49
• 页数: 10页
• 分类号: TP391.41
• 字数: 5429字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2019.11.08

摘要

针对肝脏超声影像受噪声和边缘模糊等因素的影响,肉眼无法客观准确辨别病灶区域等问题,提出了无监督学习的多任务网络(MultiTasking-network,MT-net)算法,该算法分为MT-net(Dn)和MT-net(Cl)两部分.其中,MT-net(Dn)算法通过使用交替优化和可重复利用信息的skip-connection,分别对小样本集L'S(dataset:1937)和大样本集L'B (dataset:3424)进行去噪实验,去噪后的图像最大限度地保留了肝脏图像的纹理特征,有利于提高图像的识别率,最终得到的识别率分别为97.12％和86.84％,优于AlexNet等传统算法;MT-net(Cl)算法通过对LS和LB样本进行图像纹理特征识别,达到了92.81％和86.62％的识别率.实验结果表明,多任务网络算法中的MT-net (Dn)算法更优于MT-net(Cl)算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵希梅	青岛大学计算机科学技术学院	13	34	4.0	5.0
5	魏宾		5	5	1.0	2.0
6	张欢	青岛大学计算机科学技术学院	4	4	1.0	2.0