典型文献
基于图卷积神经网络的胸部放射影像疾病分类方法
文献摘要：
医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位.但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战.此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难.针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolution-al neural network,CNN)相结合,提出了 一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法.该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类.本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了 0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能.
文献关键词：
图卷积神经网络;胸部放射影像;疾病诊断;医学图像处理
中图分类号：
作者姓名：
赵佳雷;黄青松;刘利军;黄冕
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学云南省计算机技术应用重点实验室,云南昆明650500;云南大学信息学院,云南昆明650091;云南国土资源职业学院信息中心,云南昆明 652501
文献出处：
引用格式：
[1]赵佳雷;黄青松;刘利军;黄冕-.基于图卷积神经网络的胸部放射影像疾病分类方法)[J].光电子·激光,2022(06):667-672
A类：
胸部放射影像
B类：
图卷积神经网络,疾病分类,分类方法,常规检查,病变部位,疾病特征,分类任务,graph,convolutional,neural,network,GCN,图像特征,特征融合,多标签,法利,全局相关性,签上,关系图,有向图,节点表示,ChestX,ray14,经典方法,分类性能,疾病诊断,医学图像处理
AB值：
0.277059
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
