-
题名基于深度学习的慢性萎缩性胃炎诊断
被引量:9
- 1
-
-
作者
巩稼民
马豆豆
蒋杰伟
张雅琼
裴梦杰
-
机构
西安邮电大学电子工程学院
山西医科大学附属山西省人民医院消化科
西安邮电大学计算机学院
-
出处
《中国医学物理学杂志》
CSCD
2020年第5期649-655,共7页
-
基金
国家重点研发计划(2018YFC0116500)
中央高校基本科研业务费专项资金资助项目(JB181002)。
-
文摘
慢性萎缩性胃炎是一种常见的胃病,如果得不到及时治疗,有可能发展成胃癌。然而,胃镜检查在萎缩性胃炎检查中的敏感性仅为约42%,且活检受许多因素的影响。因此,使用卷积神经网络有助于提高诊断慢性萎缩性胃炎的准确性。首先采用INPAINT_TELEA算法对胃窦图像进行预处理,去除图像中的水印,对残差网络进行改进并嵌入Squeeze_and_Excitaion模块以筛查慢性萎缩性胃炎,改进后的网络(SR-CAGnet)通过建立短路机制以及采用特征重标定策略提高图像的分类效果。结果表明:与Alexnet和改进的ResNet网络进行对比,SR-CAGnet对慢性萎缩性胃炎的检出率为87.92%,算法识别效果良好。通过使用Apriori算法并分析,得到萎缩性胃炎与胃镜检查下其他症状的关系,以辅助医生的诊断。最后使用CAM热图验证模型的有效性。
-
关键词
慢性萎缩性胃炎
深度学习
Squeeze_and_Excitaion
APRIORI算法
-
Keywords
chronic atrophic gastritis
deep learning
Squeeze_and_Excitaion
Apriori algorithm
-
分类号
R318
[医药卫生—生物医学工程]
R573.32
[医药卫生—消化系统]
-