基于深度学习的胸部常见病变诊断方法

• 作者: 付婕 刘志勤 周莹 张驰名 王庆凤 陈波 黄俊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 医学图像分类 计算机辅助诊断 胸部X射线 胸部病变诊断
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 306-311,320
• 页数: 7页
• 分类号: TP183
• 字数: 4432字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055204

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈波	西南科技大学计算机科学与技术学院	87	625	14.0	21.0
2	刘志勤	西南科技大学计算机科学与技术学院	89	375	10.0	13.0
3	黄俊	西南科技大学计算机科学与技术学院	39	80	5.0	7.0
4	周莹	绵阳市中心医院放射科	19	24	3.0	4.0
5	王庆凤	西南科技大学计算机科学与技术学院	10	33	3.0	5.0
6	付婕	西南科技大学计算机科学与技术学院	4	1	1.0	1.0
7	张驰名	西南科技大学计算机科学与技术学院	2	3	1.0	1.0