基于复合知识蒸馏的骨科影像诊断分类研究

针对医疗设备存储资源有限的问题,提出一种基于复合知识蒸馏的诊断分类方法,旨在确保骨科影像诊断模型的高精度性能。该方法首先采用自适应直方图均衡化对数据集进行增强;其次引入知识蒸馏,选用EfficientNet-B7作为教师网络、EfficientNet-B0作为学生网络,同时对学生网络引入渐进式自蒸馏,以提升特征挖掘和泛化能力。在MURA(Musculoskeletal Radiographs)数据集上进行验证的结果表明,复合知识蒸馏(CKD)模型的准确率为96.26%,其参数量仅为EfficientNet-B7模型参数量的8.48%,并且在准确率方面仅下降了1.16%,验证了此模型的有效性。