基于轻量化注意力残差网络的食管鳞癌识别方法

作者：王金铭; 李鹏; 梁燕; 孙玮; 宋杰; 冯亚东; 赵凌霄^*

来源：激光与光电子学进展, 2023, 60(10): 242-251.

• 图像处理
• 轻量化网络
• 注意力机制
• 食管鳞癌
• 窄带成像
• 放大内镜

食管鳞癌（ESCC）是我国常见的消化道恶性肿瘤之一。临床上，窄带成像联合放大内镜（NBI-ME）能够显示出食管粘膜层的微血管形态变化，是诊断ESCC的重要手段。针对ESCC识别模型难以兼顾识别准确率和推理效率的问题，提出一种融合注意力机制的轻量化残差网络（CALite-ResNet）对食管NBI-ME图像进行分类。从多家医院采集到206例患者共11468张NBI-ME图像作为本研究数据集。实验结果表明，ESCC识别的准确率和敏感度分别在图像级别达到96.39%和95.70%，在病人级别达到95.70%和94.62%，单张食管图像的平均预测时间为16.42 ms。因此，CALiteResNet模型对ESCC具有较高的识别准确率和较快的推理效率，能够为ESCC的临床辅助诊断提供有效帮助，具备一定的临床意义与应用价值。

• 单位
  东南大学附属中大医院; 中国科学院苏州生物医学工程技术研究所; 生物医学工程学院; 中国科学技术大学