换一批摘要小肠镜下的溃疡病变形态复杂,鉴别诊断困难.为实现小肠溃疡病变的人工智能辅助识别,提高诊断效率和准确度,构建了一种基于MobileNetV2网络的小肠溃疡性病灶识别算法.以MobileNetV2为主干特征提取网络,将输出特征图进行空间上的多尺度提取后输入至通道注意力模块中进行特征重标定,并将多个尺度上的特征进行融合后输出分类.为了缓解数据集不均衡所带来的影响,提出了一种改进的损失函数.所用数据集来自上海长海医院282位患者的共2 124张小肠镜临床图像.采用所提方法对该数据集测试的识别准确率为87.86％,5折交叉验证平均准确率为87.27％.使用梯度加权类激活图进行了可视化验证,同时将所提模块应用在不同主干网络架构上,均具有良好的通用性.研究表明,该网络模型能够更加注重病灶信息,加强病灶特征判别指向,对于小肠溃疡图像具有较高的识别准确率,可初步实现小肠溃疡病灶的自动识别.
更多相关知识
关键词
医学图像分类小肠溃疡MobileNetV2空间多尺度特征特征重标定medical image classificationsmall intestine ulcerMobileNetV2spatial multi-scale featuresfeature recalibration
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2024.01.008
发布时间
2024-04-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览24
- 被引6
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
