科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:基于迁移学习构建上肢骨骼异常分类与定位的深度神经网络模型,实现异常X射线片的快速分类和异常区域的自动定位。方法:采用迁移学习的方法,引入经过预训练的DenseNet网络模型,针对上肢骨骼X射线片的分类任务进行再训练,提取骨骼X射线片的特定图像特征,获得多层特征图。基于梯度加权类激活映射图求得特征图的加权系数,构建类激活图,实现图像分类与异常区域定位。结果:基于迁移学习的DenseNet网络模型能够有效进行X射线片的分类,总体分类精度接近影像科专家,在某些难度较大的部位判读上,模型的判别结果优于人工判读。基于梯度加权类激活映射图的特征图可视化,可以对异常区域进行准确定位。结论:基于迁移学习的深度神经网络模型在X射线片的分类与异常定位上具有较好的效果,在计算机辅助诊断方面具有广阔的应用前景。
- 单位
