科研之友
微信
新浪微博
Facebook
分享链接
摘要
X光图像是临床中诊断胸部疾病最常见且应用最广泛的无损检测方法之一。由于疾病的位置不同、病灶区域差异较大、纹理表现存在多样性等，为胸部疾病自动分类带来较大的挑战。本文针对胸片精度不高的问题，提出一种基于Dua LNet分类算法的多标签胸部疾病分类算法，使用两个对称网络AC-Res Net作为Dua LNet的特征提取器，AC-Res Net网络融合非对称卷积块提高残差网络疾病分类的精准度。本文通过ChestX-ray14数据集对肺部相关14种疾病进行了算法验证。实验表明，算法对14种胸部疾病的分类精度较已有的4种算法更高，平均AUC(area under ROC curve)值可达0.815，其中对疝气(hernia)的AUC可达0.914，对渗透(infiltration)的AUC最低，为0.696。
- 单位
