基于弱监督的深度学习胸部X光疾病诊断与定位方法

摘要：

胸部疾病是最常见的疾病之一,胸部X光是检查和诊断胸部疾病的重要方法.构建一个高度准确的胸部诊断预测模型通常需要大量的标签和异常位置的手工标注.然而,获取这种带标注的数据是很困难的,特别是带有位置标注的数据.因此,构建一个仅只使用少量位置标注就能正常工作的方法成为当前面临的主要问题.虽然目前已经有一些弱监督方法来解决这个问题,但是它们大多只关注于图像信息,很少考虑到图像间的关系信息.因此,提出一种基于弱监督深度学习的胸部X光疾病诊断与定位模型,在运用深度学习方法提取图像信息的同时,引入了图结构,运用哈希编码衡量图像本身的相似度,并将图像的相关信息也加入到学习过程中,在不需要额外标注的情况下,能够通过少量的标注达到很好的识别和定位效果.经过在Chest X-ray数据集上验证,在仅使用3％带位置标签的数据的情况下,定位准确率(IoU)达到44％.这表明,该方法能够有效识别和定位胸部X光病灶,为医生提供用于筛查的候选区域,辅助医生进行胸部疾病的诊断.

关键词：深度学习;弱监督;卷积神经网络;胸部X光;疾病诊断与定位

所属期刊栏目：48

分类号：TP183(自动化基础理论)

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：367-369,390