计算机工程

作者：张驰名, 王庆凤, 刘志勤, 黄俊, 陈波, 付婕, 周莹

单位：1. 西南科技大学 计算机科学与技术学院, 四川 绵阳 621010;2. 绵阳市中心医院 放射科, 四川 绵阳 621010

关键词：卷积神经网络,医学图像分类,计算机辅助诊断,胸部X射线,胸部病变诊断

基金：四川省科技计划项目（2019JDRC0119）；四川省军民融合研究院开放基金（2017SCII0220，2017SCII0219）。

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。采用全局最大-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ChestX-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。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期