基于LSTM与注意力结构的肺结节多特征抽取方法

R318%TP181; 对肺结节的形状特征、边缘特征和内部特征进行准确分类,能够辅助影像科医生的日常诊断工作,提高影像报告的书写效率.针对这一问题,提出一种基于长短时记忆(LSTM)结构与注意力结构的多任务分类模型.该模型通过注意力机制融合各个任务间的共享特征,提高当前任务的特征抽取效果.LSTM结构分类器能够有效地筛选任务间的共享特征,提高模型的信息传递效率.实验表明,相较于传统多任务结构,所提模型在公开数据集LIDC-IDRI上能够取得更好的多特征分类效果,辅助医生快捷地获取肺结节特征信息....

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 56; no. 8; pp. 1078 - 1088
Main Authors 倪扬帆, 杨媛媛, 谢哲, 郑德重, 王卫东
Format Journal Article
LanguageChinese
Published 中国科学院大学,北京100049%中国科学院大学,北京100049%中国人民解放军总医院,北京100089 2022
中国科学院上海技术物理研究所医学影像信息学实验室,上海200080
Subjects
注意力结构
长短时记忆网络
多任务分类
肺结节
Online AccessGet full text

Cover

More Information
Summary:R318%TP181; 对肺结节的形状特征、边缘特征和内部特征进行准确分类,能够辅助影像科医生的日常诊断工作,提高影像报告的书写效率.针对这一问题,提出一种基于长短时记忆(LSTM)结构与注意力结构的多任务分类模型.该模型通过注意力机制融合各个任务间的共享特征,提高当前任务的特征抽取效果.LSTM结构分类器能够有效地筛选任务间的共享特征,提高模型的信息传递效率.实验表明,相较于传统多任务结构,所提模型在公开数据集LIDC-IDRI上能够取得更好的多特征分类效果,辅助医生快捷地获取肺结节特征信息.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2021.113