基于多尺度注意力机制的真菌显微图像分类方法
文献类型：期刊论文
| 作者 | 张雪媛3; 许鸿雁2; 董跃明1; 刘丹凤1; 孙鹏蕊1; 颜锐3; 崔洪亮2; 雷红1; 任菲3 |
| 刊名 | 协和医学杂志
 |
| 出版日期 | 2023 |
| 卷号 | 14期号:1页码:139 |
| 关键词 | fungal convolutional neural network image classification multi-scale attention mechanism 真菌 卷积神经网络 图像分类 多尺度注意力机制 |
| ISSN号 | 1674-9081 |
| 英文摘要 | 目的利用深度学习技术,建立临床常见的侵袭性真菌图像辅助分类模型。方法回顾性收集2020年9月—2021年4月解放军总医院第八医学中心曲霉菌属、酵母菌属和新型隐球菌属真菌感染者的显微镜图像,按7 ∶ 1.5 ∶ 1.5的比例随机分为训练集、验证集和测试集。使用训练集和验证集图像对改进的MobileNetV2网络结构进行训练和参数调试,构建基于多尺度注意力机制的卷积神经网络(convolutional neural network,CNN)真菌图像11分类模型。以机器鉴定结果为金标准,以查准率、召回率和F1值为指标评价该模型对测试集真菌图像的分类效果。将该模型与5种经典CNN模型进行比较,评价指标包括模型参数量、内存占用量、网络每秒处理的图像数量(frames per second, FPS) 、准确率及受试者操作特征曲线下面积(area under the curve,AUC) 。结果共纳入真菌显微镜图像7666张,分别包括曲霉菌属、酵母菌属和新型隐球菌属图像2781张、4115张、770张。其中训练集5366张、验证集1150张、测试集1150张。改进的MobileNetV2模型对测试集11种真菌图像具有较高的分类性能,查准率为96.36%~ 100%,召回率为96.53%~100%,F1值为97.01%~100%。该模型的参数量、内存占用量分别为4.22 M、356.89 M,FPS为573,准确率为(99.09±0.18) %,AUC为0.9944±0.0018,综合性能优于5种经典网络模型。结论本研究提出的真菌图像分类模型,在保持低运算成本的情况下,可获得较高的真菌图像识别能力,其整体性能优于常见的经典模型。 |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/37910]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.解放军总医院第八医学中心 2.北京知见生命科技有限公司 3.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 张雪媛,许鸿雁,董跃明,等. 基于多尺度注意力机制的真菌显微图像分类方法[J]. 协和医学杂志,2023,14(1):139. |
| APA | 张雪媛.,许鸿雁.,董跃明.,刘丹凤.,孙鹏蕊.,...&任菲.(2023).基于多尺度注意力机制的真菌显微图像分类方法.协和医学杂志,14(1),139. |
| MLA | 张雪媛,et al."基于多尺度注意力机制的真菌显微图像分类方法".协和医学杂志 14.1(2023):139. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。