|
|||||
|
|
| 基于多任务神经网络模型的小肠淋巴瘤检测模型 | |
| 作者单位： | ;1.西北工业大学计算机学院;2.西安电子科技大学前沿交叉研究院;3.西北大学信息科学与技术学院;4.咸阳师范学院计算机学院 |
| 摘 要： | CT影像是小肠淋巴瘤诊断的主要方式,近年来深度学习在医学影像领域得到广泛应用,可以极大的减轻医生的工作量。针对小肠淋巴瘤肿瘤形态位置信息差异性大,样本量较少且产生假阳性较多的特点,该文提出了一种基于多任务神经网络模型的小肠淋巴瘤检测模型,该模型使用间质瘤和DeepLesion数据集作预训练,在检测模型当中引入了分类模块,该模块可以用于剔除掉数据中非小肠区域,同时便于引入无boundingbox的正常人小肠区域的数据,用于降低模型的假阳性率。为了增强模型对于小目标的检测效果,对FPN网络的浅层结构进行了改进。在包含正常人和患者的数据集上的测试结果表明,提出模型在保证检测精度的同时,可以有效降低模型的假阳性率。 |
| 关 键 词： | 小肠淋巴瘤 目标检测 多任务训练 注意力机制 假阳性 |
Small bowel lymphoma detection model based on multitask deep neural network model |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |