基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型研究

作者：刘东; 任海玲^*; 廖聪; 赵梦

来源：中国数字医学, 2022, 17(09): 84-89.

• 密集神经网络
• 医学图像
• 鼻窦炎
• SRC算法

目的：基于稀疏表示分类的密集神经网络（DenseNet-SRC），搭建多组慢性鼻窦炎计算机辅助诊断模型，实现多组慢性鼻窦炎自动高效分类识别，以辅助医生诊断，提高诊断精确度。方法：首先，使用迁移学习预训练密集神经网络模型初始化参数；其次，采用蝶窦、额窦、筛窦、上颌窦4组慢性鼻窦炎数据训练密集神经网络，提取全连接层的特征向量；然后，采用稀疏表示分类器（SRC）对特征向量进行表示，求解系数矩阵，利用残差相似度进行分类；最后，将DenseNet-SRC与DenseNet-SVM模型及其他卷积神经网络模型进行对比实验。结果：本研究提出的DenseNet-SRC模型的分类准确度达到99.71%，高于DenseNet-SVM及其他卷积神经网络模型。结论：基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型，具有较好的分类识别准确率，能提高临床诊断的精确度，为多组慢性鼻窦炎的诊断提供参考。

• 单位
  宁夏医科大学; 银川市第一人民医院