基于轻量化注意力残差网络的食管鳞癌识别方法
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,CALite-ResNet 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.
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
60
TP391.4(计算技术、计算机技术)
江苏省重点研发计划项目;苏州市科技计划项目;常州市科技计划项目
2023-07-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
232-241