基于注意力机制与迁移学习的乳腺钼靶肿块分类
针对乳腺钼靶图像中良恶性肿块难以诊断的问题,提出一种基于注意力机制与迁移学习的乳腺钼靶肿块分类方法,并用于医学影像中乳腺钼靶肿块的良恶性分类.首先,构建一种新的网络模型,该模型将注意力机制CBAM(Convolutional Block Attention Module)与残差网络ResNet50相结合,用于提高网络对肿块病变特征的提取能力,增强特定语义的特征表示.其次,提出一种新的迁移学习方法,用切片数据集代替传统方法中作为迁移学习源域的ImageNet,完成局部肿块切片到全局乳腺图片的领域自适应学习,可用于提升网络对细节病理特征的感知能力.实验结果表明,所提方法在局部乳腺肿块切片数据集和全局乳腺钼靶数据集上的AUC (Area UnderReceiver Operating Characteristics Curve)分别达到0.8607和0.8081.结果 证实本文分类方法的有效性.
图像处理、乳腺钼靶、卷积神经网络、注意力机制、迁移学习
58
TP751(遥感技术)
云南大学服务云南行动计划项目KS161012
2021-04-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
138-146