醫(yī)學(xué)影像是臨床診斷的重要工具,對(duì)醫(yī)學(xué)影像進(jìn)行自動(dòng)分析能夠提高醫(yī)生的工作效率,減少由主觀經(jīng)驗(yàn)引起的診斷誤差。特征提取是影像自動(dòng)分析體系中的關(guān)鍵環(huán)節(jié),對(duì)最后疾病診斷的精度具有重要的影響。然而,現(xiàn)有的方法忽略了特征的判別性信息�，F(xiàn)有特征主要是利用病灶的低級(jí)特征,例如紋理、邊緣等信息,雖然能夠?qū)Σ≡畹闹饕攸c(diǎn)進(jìn)行表示,但是忽略了病灶之間的判別性,降低了識(shí)別性能。針對(duì)該問題,本文研究了一種基于深度判別性特征（DDC）學(xué)習(xí)的醫(yī)學(xué)影像方法 ,提出了一種新的模型雙路字典編碼卷積神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)語(yǔ)義描述碼和判別性描述碼。引入圖像區(qū)塊（patch）劃分層,生成大量的局部patch圖像,從而為模型的訓(xùn)練提供充足的數(shù)據(jù)。引入字典編碼層和分類層,加快特征學(xué)習(xí)速度,提高識(shí)別精度。提出的方法用在乳腺腫瘤識(shí)別,實(shí)驗(yàn)結(jié)果表明提出的方法在識(shí)別效果上優(yōu)于傳統(tǒng)方法。 

【文章來(lái)源】：中國(guó)實(shí)用醫(yī)藥. 2020,15(10)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖1 雙路字典編碼卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

本文在自建乳腺超聲數(shù)據(jù)庫(kù)上進(jìn)行算法驗(yàn)證。本數(shù)據(jù)庫(kù)中的圖像采集自186例志愿者,共186幅乳腺超聲圖像；其中良性135例,惡性51列。見圖2。2.2 實(shí)驗(yàn)方法


本文編號(hào)：3337087