科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对CT图像分析面临的人工标签稀缺、分类性能不佳等问题，文中提出一种融合片内语义和片间结构特征的自监督CT图像分类方法。该方法利用CT图像的层次结构特性和局部组成要素的语义特点，通过混淆切片生成算法对无标签的病灶部位图像进行处理，生成空间指数和混淆切片作为监督信息，然后在自监督辅助任务中利用ResNet50网络从混淆切片中同时提取与病灶部位相关的CT片内语义和片间结构特征，最后将学习到特征迁移到后续的医学分类任务中，使得最终的模型从无标签数据中获得增益。实验结果表明，当被使用的有标签数据有限时，相比其他针对CT图像的二维模型和三维模型，文中所提方法能够取得更好的分类性能和标签利用效率。
- 单位
