首页|基于多任务神经网络模型的小肠淋巴瘤检测模型

基于多任务神经网络模型的小肠淋巴瘤检测模型

Small bowel lymphoma detection model based on multitask deep neural network model

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.

谢飞、王放舟、管子玉、段群

展开 >

西北工业大学计算机学院,陕西西安710129

西安电子科技大学前沿交叉研究院,陕西西安710126

西北大学信息科学与技术学院,陕西西安710127

咸阳师范学院计算机学院,陕西咸阳712000

展开 >

小肠淋巴瘤 目标检测 多任务训练 注意力机制 假阳性

国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目陕西省教育厅服务地方科学研究计划资助项目陕西省教育厅服务地方科学研究计划资助项目

61876145619732496197325019JC04119JC038

2021

10.16152/j.cnki.xdxbzr.2021-01-002

西北大学学报(自然科学版)
西北大学

西北大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.35
ISSN：1000-274X
年,卷(期)：2021.51(1)
  • 2