基于Goddard评分法的肺气肿自监督分级算法研究
韩云龙1
王苹苹1
卢绪香2
杨毅1
丁鹏3
魏本征1
1.山东中医药大学 青岛中医药科学院,青岛 266112;山东中医药大学 医学人工智能研究中心,青岛 2661122.山东中医药大学附属医院,济南 2500113.山东中医药大学第二附属医院,济南 250001
摘要：针对肺气肿智能化诊断高度依赖高质量标注数据、图像空间信息复杂及特征提取不足等问题,本研究基于Goddard评分法设计了一种肺气肿分级算法.首先,利用SimSiam框架进行自监督学习,以解决对大量高质量标注数据的依赖;其次,引入连续 3D卷积模块和高效多尺度注意模块(efficient multi-scale attention,EMA),通过整合上肺野、中肺野及下肺野的信息捕捉肺部图像中的关键空间信息,以提升模型在处理复杂肺部CT图像时的特征提取能力和识别精度.实验结果显示,在识别肺气肿存在、轻度肺气肿与无肺气肿、肺气肿严重程度的分级任务中,模型准确率分别为 88.79%、83.44%、57.4%.结果表明,本算法在肺气肿识别和分类任务中表现良好,具有一定的临床意义.
关键词：慢性阻塞性肺疾病肺气肿CT影像自监督学习EMA3D卷积
分类号：R318(医用一般科学)
资助基金：山东省自然科学基金资助项目(No.ZR2020KF013)山东省自然科学基金资助项目(ZR2019ZD04)山东省自然科学基金资助项目(ZR2023QF094)青岛市科技惠民示范专项项目(No.23-2-8-smjk-2-nsh)山东省中医药科技项目(Q-2023070)
论文发表日期：2024-06-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 223-231 )
英文信息