MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型

• 作者: 何霆 刘俊龙 吴能光 吴谨准 王华珍 许晓泓
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多标记学习 归纳一致性预测器 卷积神经网络 X线胸片诊断 置信预测
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 177-182,191
• 页数: 7页
• 分类号: TP3
• 字数: 5838字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.07.030

摘要

针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN.该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D.基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集.在对Chest X-ray14胸片数据集的实验结果表明,该模型在临床常用的95％置信度下,模型准确率为95％,体现了置信度评估的恰好可校准性.在CNN架构为Resenet50并采用LS-MLICP为奇异值映射函数下,模型性能最好,其确定预测率为96.43％,理想预测率为92.31％.另外,CNN架构对预测效率的影响程度远远小于奇异值映射函数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴谨准	厦门大学附属第一医院儿科	36	179	4.0	13.0
2	王华珍	华侨大学计算机科学与技术学院	15	56	6.0	7.0
3	吴能光	华侨大学计算机科学与技术学院	1	0	0.0	0.0
4	许晓泓	华侨大学计算机科学与技术学院	2	0	0.0	0.0
5	刘俊龙	华侨大学计算机科学与技术学院	1	0	0.0	0.0
6	何霆	华侨大学计算机科学与技术学院	3	6	1.0	2.0