换一批
换一批基于Goddard评分法的肺气肿自监督分级算法研究
Study on self-supervised emphysema grading algorithm based on goddard scoring method
摘要针对肺气肿智能化诊断高度依赖高质量标注数据、图像空间信息复杂及特征提取不足等问题,本研究基于Goddard评分法设计了一种肺气肿分级算法.首先,利用SimSiam框架进行自监督学习,以解决对大量高质量标注数据的依赖;其次,引入连续 3D卷积模块和高效多尺度注意模块(efficient multi-scale attention,EMA),通过整合上肺野、中肺野及下肺野的信息捕捉肺部图像中的关键空间信息,以提升模型在处理复杂肺部CT图像时的特征提取能力和识别精度.实验结果显示,在识别肺气肿存在、轻度肺气肿与无肺气肿、肺气肿严重程度的分级任务中,模型准确率分别为 88.79%、83.44%、57.4%.结果表明,本算法在肺气肿识别和分类任务中表现良好,具有一定的临床意义.
更多相关知识
关键词
慢性阻塞性肺疾病肺气肿CT影像自监督学习EMA3D卷积Chronic obstructive pulmonary diseaseEmphysemaCT imagingSelf-supervised learningEMA3D convolution
分类号
R318
栏目名称
论著
DOI
10.19529/j.cnki.1672-6278.2024.03.07
发布时间
2024-07-24
基金项目
山东省自然科学基金资助项目
山东省自然科学基金资助项目
山东省自然科学基金资助项目
青岛市科技惠民示范专项项目
山东省中医药科技项目
- 浏览17
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
