基于深度学习的肝包虫疾病图像分类

Study on Image Classification of Hepatic Hydatid Disease Based on Deep Learning

二维码有效期 120s

摘要目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法.方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类.首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络.结果:各类别的最佳分类准确率分别为单囊型78.33％、多囊型81.52％、肝囊肿型80.24％.结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持.

作者 茹仙古丽·艾尔西丁 ^[1] 裴世宇 ^[2] 严传波 ^[3] 姚娟 ^[4] 学术成果认领

作者单位新疆医科大学基础医学院,830011,新疆维吾尔自治区乌鲁木齐市新市区新医路393号 ^[1] 西安邮电大学计算机学院,710121,陕西省西安市长安区韦郭路 ^[2] 新疆医科大学医学工程技术学院,830011,新疆维吾尔自治区乌鲁木齐市新市区鲤鱼山路附29号 ^[3] 新疆医科大学第一附属医院影像中心,830054,新疆维吾尔自治区乌鲁木齐市鲤鱼山南路137号 ^[4]

关键词肝包虫病 CT图像深度学习图像分类 ResNet-50

主题词学习(Learning)棘球蚴病, 肝(Echinococcosis, Hepatic)疾病(Disease)肝(Liver)方法(Methods)

分类号 R319 R445

栏目名称

特别专题

DOI 10.3969/j.issn.1673-7571.2020.04.001

发布时间 2020-05-15

基金项目

国家自然科学基金（81560294）