医学图像语义概念识别方法研究

摘要：

医学图像语义概念识别是医学图像知识表示的重要技术环节.研究医学图像语义概念识别方法,有助于机器理解和学习医学图像中的潜在医学知识,在影像辅助诊断和智能读片等应用中发挥重要作用.将医学图像的高频概念识别问题转化为多标签分类任务,利用基于卷积神经网络的深度迁移学习方法,识别有限数量的高频医学概念;同时利用基于图像检索的主题建模方法,从给定医学图像的相似图像中提取语义相关概念.国际跨语言图像检索论坛ImageCLEF于2018年5月组织ImageCLEFcaption 2018评测,其子任务“概念检测”的目标是给定222 314张训练图片和9 938张测试图片,识别111 156个语义概念.上述两种方法的实验结果已被提交.实验结果表明,利用基于卷积神经网络的深度迁移学习方法识别医学图像高频概念,F1值为0.092 8,在提交团队中排名第二;基于图像检索的主题模型可召回部分低频相关概念,F1值为0.090 7,然而其性能依赖于图像检索结果的质量.基于卷积神经网络的深度迁移学习方法识别医学图像高频概念的鲁棒性优于基于图像检索方法的鲁棒性,但在大规模开放语义概念的识别技术研究上仍需进一步完善.

关键词：概念识别、深度迁移学习、多标签分类、医学图像检索、主题模型

所属期刊栏目：38

分类号：R318(医用一般科学)

资助基金：中国医学科学院中央级公益性科研院所基本科研业务费项目2017PT63010,2018PT33024;北京协和医学院中央高校基本科研业务费项目3332018153

在线出版日期：2019-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：306-314