换一批基于多特征融合对比学习检索诊断间质性肺疾病
Diagnosis of Interstitial Lung Disease Based on Multi-feature Fusion Contrast Learning Retrieval
摘要目前复杂间质性肺疾病存在分类精度不高,且缺少辅助诊断信息的问题,针对这些问题提出了基于多特征融合和有监督对比学习方法的图像检索框架.使用Res-Net50和影像组学特征提取模块提取间质性肺疾病特征.为了使不同模态不同尺度的两个特征进行融合,设计了一个可以通过两个特征联合表征空间计算特征相关性的特征融合模块.通过有监督对比学习方法,提升间质性肺疾病类别之间的特征区分度,并对典型间质性肺疾病数据库进行检索.在本次间质性肺疾病数据的检索任务中获得了最高的精确率、召回率和F1分数,在用于图像检索的特征向量区分度指标中,获得了 0.482的轮廓系数.实验结果表明:与传统深度学习单一特征模态方法相比,所提方法能有效提高间质性肺疾病图像分类检索精度,并提高间质性肺疾病诊断的可解释性.
更多相关知识
关键词
间质性肺疾病多特征融合有监督对比学习图像检索辅助诊断interstitial lung diseasemulti-feature fusionsupervised contrastive learningimage retrievalauxiliary diagnosis
栏目名称
DOI
10.12404/j.issn.1671-1815.2406118
发布时间
2025-05-21（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
