基于注意力机制多任务的肺结节癌变风险判断
对于CT影像中检测出的肺部结节,需要自动判断其是否有癌变风险.不同于大多数现有的研究方法只区分结节良恶性,本文提出了一个基于注意力机制的多任务学习模型,将与结节良恶性相关的语义特征属性一并判断输出,通过判断9个结节特征(对比度、分叶征、毛刺征、球形度、边缘、纹理、钙化程度、大小以及恶性程度)的同时实现内在特征的共享,以达到提高各子任务性能的目的.选择视觉转换器(ViT)模型作为多任务共享特征提取层,整体模型采用动态加权平均方法来对各子任务的Loss函数进行优化.在LUNA16数据集上的实验表明,该学习框架可以提升肺结节癌变风险判断的性能,且同时对其他语义特征的判断也能提升结果的可解释性.
肺结节、癌变、低剂量螺旋CT、多任务、注意力机制、计算机辅助诊断、医学影像处理
31
TP391.41;R736.1;H146.3
国家自然科学基金;国家自然科学基金;国家自然科学基金
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
117-122