基于深度迁移学习的肠道息肉癌变风险评估

作者：程珊; 叶然^*; 曹婧; 姚佳锋; 李胜; 何熊熊

来源：高技术通讯, 2023, 33(06): 620-629.

• 深度学习
• 迁移学习
• 通道注意力
• 注意力图
• 图像分类
• 肠道息肉

针对肠道息肉分类中不同类型息肉难以区分的问题,提出了一种基于深度迁移学习的肠道息肉癌变风险评估方法。该方法首先在主干网络中引入通道注意力进行息肉特征提取;然后将任务网络注意力图分支输出的注意力图加权到主干网络输出的特征图上,获取更精确的病灶特征;最后将加权后的特征图输入到任务网络的感知分支,使用2个分支的损失函数以端到端的方式优化模型,以进行息肉癌变风险评估。本文方法对数据集进行了增强,并结合迁移学习进一步提升分类效果,最优模型的灵敏度、特异度、精准度、F1分数及曲线下方的面积(AUC)分别为99.38%、98.15%、98.17%、98.77%和0.9996。实验结果表明,本文方法能有效地对肠道息肉癌变风险进行评估,性能优于该领域流行的深度学习方法。

• 单位
  丽水市人民医院; 浙江工业大学