典型文献
改进的NASNet算法在乳腺超声诊断中的应用研究
文献摘要：
超声图像在乳腺疾病的临床诊断中具有重要意义,但是乳腺超声图像分辨率低、样本量小,同时对于NASNet算法虽然适用于小样本数据但参数量大难以训练的问题.本研究提出一种改进的NASNet分类算法来检测乳腺肿块的良恶性.首先采用迁移学习技术将NASNet在ImageNet上预训练,将学习到的特征直接用于乳腺超声图像上肿块的良恶性识别,节省计算成本的同时提高精度;然后,为增强网络对超声图像特征的提取能力并使网络轻量化,在NASNet深层融入深度可分离卷积,构造出更深更宽的网络;最后,为了增强与疾病更加相关的特征权重,进一步增强高阶特征信息的提取能力,加入SE模块来筛选超声图像中占比较重的通道特征.为验证该算法,基于本地医院数据集以及公共数据集实验,其中本地医院数据共计1 350张超声图像,两个公共数据集共计895张超声图像.采用五折交叉验证的训练方法,并将该算法与目前广泛应用的分类算法进行比较.基于本地医院数据实验的Acc、Sen、F1均为97.52％;公共数据集作为训练集和验证集,本地医院数据集作为测试集的实验的Acc、Sen、F1分别为96.31％、96.31％、96.39％;基于本地医院数据和公共数据的混合数据实验的Acc、Sen、F1均为98.27％.所提算法较其他算法具有优越性,证实了该算法更适用于小样本乳腺超声图像的肿块良恶性分类.
文献关键词：
乳腺肿块;NASNet;深度可分离卷积;SENet;迁移学习
中图分类号：
作者姓名：
易三莉;佘芙蓉;杨雪莲;陈东;罗晓茂
作者机构：
昆明理工大学信息工程与自动化学院,昆明 650504;云南省计算机技术应用重点实验室,昆明 650504;云南省肿瘤医院超声医学科,昆明 650118
文献出处：
引用格式：
[1]易三莉;佘芙蓉;杨雪莲;陈东;罗晓茂-.改进的NASNet算法在乳腺超声诊断中的应用研究)[J].中国生物医学工程学报,2022(06):672-679
A类：
B类：
NASNet,超声诊断,乳腺疾病,乳腺超声图像,图像分辨率,样本量,小样本数据,参数量,分类算法,乳腺肿块,迁移学习,学习技术,ImageNet,预训练,计算成本,提高精度,超声图像特征,特征的提取,网络轻量化,深度可分离卷积,特征权重,特征信息,通道特征,地医,医院数据,公共数据,五折交叉验证,训练方法,Acc,Sen,训练集,验证集,测试集,混合数据,良恶性分类,SENet
AB值：
0.246992
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。
