多模态医疗图像分类  

作　　者：马伟镇 何良华[1] 

机构地区：[1]同济大学电子与信息工程学院,上海201804

出　　处：《电脑知识与技术》2022年第3期75-77,共3页Computer Knowledge and Technology

基　　金：自然科学基金联合基金(项目号:U18092006);自然科学基金(项目号:61772369,61773166,61771144);上海市优秀技术带头人计划(项目号:19XD1434000);上海市国际科技合作项目(项目号:19490712800);科技部重点研发项目(项目号:2020YFA0711400);上海市重大科技项目(项目号:2021SHZDZX0100);长江学者奖励计划及中央高校基本科研业务费等项目的资助。

摘　　要：在疾病诊断过程当中通常会生成各种各样的医疗图像,利用计算机综合考虑来自不同模态的医疗图像来辅助诊断成了一个热门的研究方向。本方法利用深度神经网络获取不同模态的医疗图像的特征,通过设计损失函数的正则化项,使得这些特征在共同语义空间上保持结构上的相似性,来让网络学习到更加鲁棒的特征。本方法在CPM-RadPath2020和CheXpert这两个数据集上取得比一般方法更高的准确率,表明了其在多模态医疗图像分类问题上的有效性。

关 键 词：多模态融合 医疗图像 神经网络 深度学习 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]