基于胸部X射线影像的常见疾病预测方法研究

摘要：

利用X射线影像进行胸部疾病诊断是一种常用的诊断方法，具有重要的临床诊断价值。随着大规模可用数据集的发布，已经提出了几种利用胸部X射线图像预测常见疾病的方法。然而大多数现有的预测模型大都仅考虑单个视图，忽略了多视图影像对于临床医生诊断的支持作用。此外使用单个模型进行影像特征抽取时，存在有效特征提取不全的问题，进而导致疾病预测准确率较低。为此，提出了一种新的深度相关多级特征融合方法（DFFM），该方法融合不同模型提取的不同视图的视觉特征，以提高疾病预测的准确性。并在目前最大的胸部X射线数据集MIMIC-CXR上进行了验证，实验结果表明，所提方法的area under the receiver operating characteristic curve （AUC）值达0.847，与现有的单视图及简单进行特征拼接的多视图模型相比，AUC值分别提升了12.6个百分点和5.3个百分点，验证了所提多级融合方法的有效性。

关键词：医用光学、疾病预测、模型融合、深度相关、多视图、特征抽取

所属期刊栏目：59

分类号：TP391.41;U491;P618.13

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：1817001