换一批摘要无线胶囊内窥镜(WCE)是用于记录患者消化道影像的新技术,该技术的出现给消化道疾病诊断带来了极大帮助.但在检测过程中,每位患者所产生的约5～8万幅图像中含有大量气泡和杂质等干扰图像,极大地影响了疾病诊断的效率.目前大多数方法只针对气泡筛查,且这些方法通常不稳定、普适性较差.因此,提出一种基于主题模型的WCE图像语义分析方法筛查序列中干扰性图像.首先构建非对称自编码器提取图像特征,并利用K-Means算法对训练图像块特征聚类构建视觉单词;其次将测试图像块特征映射到视觉单词中,获得测试图像的词频矩阵,实现基于视觉单词的图像语义表达;最后利用主题模型对词频矩阵进行分析,获取图像语义分类.数据集来源于南京东部战区总医院的消化道内科30例不同患者的WCE图像序列,且由临床经验丰富的医生进行注解,其中包括3 340幅气泡图像、3 330幅杂质图像和3 330幅正常图像,以1 ∶1的比例随机划分为训练集和测试集,进行10次交叉验证.实验结果表明,该方法能有效筛查出干扰性图像,基于深度学习的卷积自编码器优于传统的特征提取方式,获得96.87％的精度,有效地减少医生阅片负担,提高疾病诊断效率.
更多相关知识
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
