科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对小样本情况下，利用CT图像对亚实性肺结节的浸润程度进行术前辅助诊断时深度学习容易出现过拟合的问题，提出了基于自适应选择的异构迁移学习的CT图像分类方法。该方法包括两个部分：(1)特征提取；(2)分类模型的构建。首先，提出基于自适应选择的异构迁移学习模型，该模型通过自适应特征选择网络确定源网络与目标网络之间每对特征图以及每对卷积块的匹配权重，这两个权重可自适应选择源网络中有利于目标任务学习的特征以及特征迁移的目的地，提高目标网络在小样本情况下的鲁棒性。然后，将目标网络的卷积核作为特征提取器提取特征。最后，使用基于稀疏贝叶斯的最小绝对收缩和选择算子的分类器进行特征选择和分类，使模型既可避免耗时的交叉验证求解超参数，又具有最优的稀疏解。实验结果(测试集的AUC:0.9355)表明，该方法可为医生提供较好的诊断参考。
-
单位自动化学院; 桂林航天工业学院
