融合片内语义和片间结构特征的自监督CT图像分类方法

针对CT(Computed Tomography)图像分析存在人工标签稀缺、分类性能不佳等问题,文中提出一种融合片内语义和片间结构特征的自监督CT图像分类方法。该方法利用CT图像的层次结构特性和局部组成要素的语义特点,通过混淆切片生成算法对无标签的病灶部位图像进行处理,生成空间指数和混淆切片作为监督信息。在自监督辅助任务中利用ResNet50网络从混淆切片中同时提取与病灶部位相关的CT片内语义和片间结构特征,将学习到的特征迁移到后续医学分类任务中,使得最终模型从无标签数据中获得增益。实验结果表明,当被使用的有标签数据有限时,相比其他针对CT图像的二维模型和三维模型,所提方法的分类性能和标签利用效率更优。