基于超声内镜的智能胰腺癌变检测网络

为对超声内镜检测返回的胰腺图像实现智能癌变诊断,将经典分类识别网络AlexNet和SE注意力机制进行结合,提出的SE-AlexNet网络可以准确检出癌变图像,判别正常图像所属胰腺部位。为验证该算法的可靠性与优胜性,在自制数据集下的一系列比较实验,包括基础网络AlexNet与其他经典分类网络的模型比较实验,以及在不同位置插入不同注意机制改进得到的各种模型的比较实验。结果表明：SE-AlexNet模型总体精确率和召回率可达99.56%和98.69%,对于癌变图像,检测精确率和召回率为100%,能够为现实超声内镜胰腺癌检查实现有效的辅助诊断。