江苏大学学报(自然科学版)

作者：蒋瑞，刘哲，宋余庆，陈鹏，郝文

单位：江苏大学 计算机科学与通信工程学院， 江苏 镇江 212013

关键词：肝脏病变分类, 深度学习, 多重迁移学习, 联合特征学习, 卷积神经网络

基金：国家自然科学基金资助项目(61976106,61772242)

为了实现对不同肝脏肿瘤病变的精确分类，提出了一种基于联合特征学习和多重迁移学习的肝脏肿瘤病变分类方法.首先通过扩充通道的预处理方式对输入网络的图像进行数据增强处理，使得网络能从原始输入图像中提取到更多的特征信息；然后设计了联合特征学习双流卷积神经网络提取特征，避免由于网络深度增加造成部分特征信息丢失的问题；采用了集成分类器实现最终的分类，并通过多重损失约束方法对整个集成分类器进行约束优化；最后在模型的训练过程中结合参数迁移和域适应来减少损耗并提高模型的拟合性能.采用155张腹部平扫CT图像进行试验，设计了特异性、灵敏性、精确度、F1-score、准确率和误差率几种评价指标.结果表明，此方法能够实现对肝细胞癌（HCC）、转移性肝癌（MET）、血管瘤（HEM）以及正常肝脏组织的分类，平均分类准确率达到96%. 

来源：2021年第5期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第5期