特征迁移结合主动标注的颅内病变鉴别方法

作者：李杰文; 叶俊勇^*; 徐胜生; 伍文丽

来源：电子测量与仪器学报, 2021, 35(09): 186-194.

DOI：10.13382/j.jemi.B2003774

• 脑炎
• 胶质瘤
• 特征迁移
• 主动学习
• 熵不确定性

为了解决使用磁共振图像进行脑炎和胶质瘤的临床诊断时会出现误诊的问题,提出了一种卷积层特征迁移结合主动样本标注的分类方法。该方法首先采用卷积层特征参数迁移,利用磁共振成像(MRI)数据进行模型的微调,并验证了不同MRI模态特征的区分能力;其次针对样本标注困难问题,设计基于熵不确定性的样本主动标注算法,提取样本的不确定性信息,进一步提高模型的收敛速度以及泛化能力。在由重庆医科大学附属第一医院放射科纳入的175个病例(脑炎118例,胶质瘤57例)上进行实验,在交叉验证下分类准确率达到95.08%,曲线下面积达到0.98,模型的分类精度显著优于现阶段主要依靠医生经验的方法,准确率和曲线下面积分别提高17.51%和0.15;同时仅需要标注30%的数据样本,模型便能达到最优性能,减少大量数据标注工作,能够为初期诊断提供有意义的指导。

• 单位
  重庆医科大学附属第一医院; 重庆大学