您当前的位置： 首页 > 论文 > 2022,53(01) > 信息与计算机
基金项目:
国家自然科学基金资助项目(61872261，61972274)
分类号:
TP391
DOI:
10.16355/j.cnki.issn1007-9432tyut.2022.01.020
期刊号:
2022,53(01)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 张娅楠 | 太原理工大学 信息与计算机学院 |
摘要:
为解决人工诊断和检索过程繁琐、误诊率高、数据量大以及哈希码稀疏等问题，提出一种基于多标签语义监督的3D ResNet网络，对肺结节的医学征象进行量化，构建多标签数据集相似矩阵；通过三线性插值方法构造3D肺结节块，利用相似性度量设计损失函数进行3D特征学习并提出交替最小化优化方法进行优化，提高网络特征的表征能力，解决由于离散的哈希码而不能使用传统方法进行求解的难题，学习到紧密表达的哈希码。实验结果表明，利用本文提取的3D特征进行检索，平均准确率提高18.5%，在扩充的公开数据集以及合作医院数据集上可以达到94.83%的平均检索精度。
关键字:
肺结节；3D特征；多标签；图像检索；医学征象