特征重用和注意力机制下肝肿瘤自动分类

• 作者: 冯诺 刘哲 宋余庆
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 深度学习 肝肿瘤分类 注意力机制 特征重用 特征提取
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 医学图像处理
• 页码范围: 1695-1707
• 页数: 13页
• 分类号: TP391.4
• 语种: 中文

摘要

目的 肝肿瘤分类计算机辅助诊断技术在临床医学中具有重要意义,但样本缺乏、标注成本高及肝脏图像的敏感性等原因,限制了深度学习的分类潜能,使得肝肿瘤分类依然是医学图像处理领域中具有挑战性的任务.针对上述问题,本文提出了一种结合特征重用和注意力机制的肝肿瘤自动分类方法.方法 利用特征重用模块对计算机断层扫描(computed tomography,CT)图像进行伪自然图像的预处理,复制经Hounsfield处理后的原通道信息,并通过数据增强扩充现有数据;引入基于注意力机制的特征提取模块,从全局和局部两个方面分别对原始数据进行加权处理,充分挖掘现有样本的高维语义特征;通过迁移学习的训练策略训练提出的网络模型,并使用Softmax分类器实现肝肿瘤的精准分类.结果 在120个病人的514幅CT扫描切片上进行了综合实验.与基准方法相比,本文方法平均分类准确率为87.78％,提高了9.73％;与肝肿瘤分类算法相比,本文算法针对转移性肝腺癌、血管瘤、肝细胞癌及正常肝组织的分类召回率分别达到79.47％、79.67％、85.73％和98.31％;与主流分类模型相比,本文模型在多种评价指标中均表现优异,平均准确率、召回率、精确率、F1-score及AUC(area under ROC curve)分别为87.78％、84.43％、84.59％、84.44％和97.50％.消融实验表明了本文设计的有效性.结论 本文方法能提高肝脏肿瘤的分类结果,可为临床诊断提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋余庆		128	1213	20.0	29.0
2	刘哲		37	132	7.0	9.0
3	冯诺		1	0	0.0	0.0