资料下载
×
基于深度学习的X射线胸部疾病诊断算法
消耗积分:0 |
格式:rar |
大小:6.69 MB |
2021-03-27
分享资料个
胸透X射线广泛应用于多种胸部常见病变的筛查任务，由于不同类型的胸科疾病在病理形态、大小、位置等方面往往具有多样性以及较大的差异性，且疾病样本具有比例不平衡等问题，导致难以通过深度学习技术来检测并定位胸部疾病区域。针对该问题，提出一种基于深度学习的胸部疾病诊断算法。通过压缩激励模块实现自适应特征重标定，以提高网络的细粒度分类能力。釆用全局最大-平均池化层增强网络病理特征的空间映射能力，使用焦点损失函数降低简单易分类样本的权重，使得模型在训练时更专注易错分样本的学习。在此基础上，通过梯度加权类激活映射实现弱监督病变区域的可视化定位，为网络预测结果提供相应的视觉解释。在 Chest-Ray14官方数据划分标准下进行训练与评估，结果表明，该算法对14种常见胸部疾病的诊断效果较好，平均AUC值达到0.83。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
