基于深度学习二次预训练建立Barrett食管内镜图片分类模型的研究

作者：高静雯; 林嘉希; 刘璐; 殷民月; 许春芳; 刘晓琳; 朱锦舟^*

来源：中国数字医学, 2022, 17(10): 54-58.

• Barrett食管
• 深度学习
• 预训练
• 迁移学习
• 卷积神经网络

目的：利用深度卷积神经网络二次迁移学习方法构建Barrett食管内镜图片分类模型，并比较经单次与二次预训练的模型效能。方法：选取在ImageNet数据集上进行首次预训练的4个深度卷积神经网络（ResNet、NASNetL、Xception及EfficientNet），经HyperKvasir食管炎数据集二次预训练，而后进行目标训练，得到分类模型，评价其分类能力，并对模型的推理能力进行可视化呈现。结果：在验证集中，经二次预训练所建立的模型准确性均高于单次模型。除Xception模型外，二次预训练模型的精确度和召回率均优于单次模型，其中，EfficientNet模型表现最优。结论：基于深度卷积神经网络二次预训练建立的Barrett食管计算机视觉模型具备良好的内镜图片分类能力；本研究可为临床小数据集进行深度神经网络迁移学习提供思路。

• 单位
  苏州大学附属第一医院