换一批基于小样本学习算法构建结直肠息肉NICE分型的分类模型
Development of few-shot learning-based models for the NICE classification of colorectal polyps
摘要目的 传统的NICE分型依赖于医生的主观判断和经验,存在一定的主观性和不确定性.本研究旨在开发基于小样本学习算法的结直肠息肉NICE分型分类模型.方法 共计414张来源于苏州大学附属第一医院和上海交通大学医学院苏州九龙医院内镜中心的结直肠息肉NICE分型图片纳入研究.研究基于三种不同模型架构(MobilenetV2,Resent50,Xception),利用二次迁移学习方式,分别开发了传统深度学习分类模型与基于度量学习的小样本学习分类模型(3-way,3-shot),同时使用梯度加权分类激活映射对小样本学习分类模型的分类结果进行可视化解释.分类模型于测试集中进行性能评价,并收集高、低年资医师对测试集数据的分类结果,将其与模型的分类结果进行对比,进一步评估模型的分类能力.结果 传统深度学习分类模型分类准确性一般,平均分类准确性为0.638.基于三种不同特征提取架构的小样本学习分类模型均拥有较好的分类准确性,其平均准确性为0.827.高低年资内镜医师均拥有较好的判断表现,其平均分类准确性0.824.结论 对于结直肠息肉NICE分型图片,基于较小训练样本量的小样本学习算法展现出优于传统深度学习分类模型的性能,拥有近似于内镜医师的分类准确性.
更多相关知识
关键词
结直肠息肉小样本学习深度学习NICE分型内镜窄带成像colorectal polypsfew-shot learningdeep learningNICE classificationnarrow band imaging
分类号
R574（消化系及腹部疾病）
栏目名称
DOI
10.3969/j.issn.1672-2159.2023.11.009
发布时间
2024-03-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82000540）
苏州市消化病临床医学中心（Szlcyxzx202101）
苏州市科教兴卫项目（KJXW2019001）
教育部重点实验室开放基金（GPKF202304）
苏州大学医学部学生课外科研项目（2021YXBKWKY050）
- 浏览16
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
