基于ResNet深度模型的SPECT肺灌注图像分类

• 作者: 增思涛 曹永春 林强 满正行 邓涛 王茸
• 来源期刊: 西北民族大学学报（自然科学版）
• 关键词: 图像分类 核素肺灌注成像 深度学习 残差网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息技术|Information Technology
• 页码范围: 27-35
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2102.2021.02.006

摘要

SPECT肺灌注是重要的功能成像技术,它能够以非入侵方式捕获肺部的功能病变,已经成为肺栓塞等疾病的重要临床检测手段.为有效支撑肺栓塞疾病的自动诊断,研究并构建基于ResNet深度网络的SPECT肺灌注图像分类器.首先采用归一化技术将原始SPECT肺灌注文件转换为SPECT图像,并应用图像平移和旋转等技术对图像进行预处理,以扩展SPECT图像样本数量,然后在标准ResNet-50深度模型的基础上引入特征融合和迁移学习技术,构建可靠的SPECT肺灌注图像分类器,最后使用一组真实的SPECT肺灌注图像对构建的分类器进行测试,实验结果表明构建的分类器可有效检测肺栓塞病变,获得的分类准确率超过95.5％.