检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:金荷淇 盖绍彦[1,2] 达飞鹏[1,2] JIN Heqi;GAI Shaoyan;DA Feipeng
机构地区:[1]东南大学自动化学院,江苏南京210096 [2]东南大学复杂工程系统测量与控制教育部重点实验室,江苏南京210096
出 处:《信息技术与信息化》2024年第1期33-41,共9页Information Technology and Informatization
摘 要:肺部疾病已成为危害人类身体健康的重要因素,胸部X光片是医疗实践中广泛应用的肺部疾病检测工具,在协助临床诊断中发挥着重要的作用。针对上述问题设计出一种胸部X光片疾病分类算法,应用于医疗场景下辅助医生进行诊断。研究方案在肺炎图像分类领域的权威数据集Chest X-ray 14上进行实验,数据集涉及14种不同的肺部疾病标签。研究工作基于深度学习算法,使用ConvNeXt卷积神经网络为主干网络,设计了该网络的多尺度特征融合模块,以及全局上下文注意力模块,用以提高分类算法的准确性。算法的评价指标使用AUC(area under curve),其值越接近1则算法效果越好,仅使用ConvNeXt主干网络的AUC值为0.836 8,加入多尺度特征融合模块的AUC值为0.844 0,加入全局上下文注意力模块的AUC值为0.839 9,同时加入两个模块的结果为0.849 3。改进算法的性能优于该领域的常用算法DenseNet121(0.830 1),CheXNet(0.841 4),MXT(0.830 8),并且在4类病理现象的判断上取得了最优的水平。这两项改进都可提高模型性能,也可共同作用进一步提高模型分类能力。改进算法在综合能力和专项能力之间取得一个平衡,在综合分类性能优秀的同时,对于专项病症的分类能力也取得领先的成绩。
关 键 词:多标签分类 胸部X光片 肺部疾病 人工智能 辅助诊断
分 类 号:R318[医药卫生—生物医学工程] TP183[医药卫生—基础医学] TP391.41[自动化与计算机技术—控制理论与控制工程]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.171