基于深度学习的胸腔病灶分类技术  

作　　者：邵帅 赵光哲 

机构地区：[1]北京建筑大学电气与信息工程学院,北京102627

出　　处：《中文科技期刊数据库(引文版)医药卫生》2022年第3期222-226,共5页

摘　　要：针对现阶段基于深度学习的胸腔病灶分类技术大多采用经典的预训练模型,并采用全局胸片图像进行训练,学习到的冗余特征较多、效率较低的问题,提出将图像配准技术、图像分割技术与图像分类技术相结合的AC-DSENet模型,用其对胸部14种病灶进行分类。在ChestX-ray14数据集上进行实验验证,结果表明,AC-DSENet在14种胸部病灶的分类精度高,平均AUC值达到了0.828。

关 键 词：医学图像分类 卷积神经网络 X光胸片分析 

分 类 号：R445[医药卫生—影像医学与核医学]