基于特征图可视化的医学图像分析

作     者：汪颖萍 邵海见 邓星 WANG Yingping;SHAO Haijian;DENG Xing

作者机构：江苏科技大学计算机学院镇江212100 东南大学自动化学院复杂工程系统测量与控制教育部重点实验室南京210009 

基　　金：国家自然科学青年科学基金资助项目(61902158 61806087) 

出 版 物：《江苏科技大学学报（自然科学版）》 (Journal of Jiangsu University of Science and Technology:Natural Science Edition)

年 卷 期：2023年第37卷第4期

页      码：65-71页

摘      要：现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明:分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能.

主 题 词：卷积神经网络 医学图像分类 特征图可视化 VGG16 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.20061/j.issn.1673-4807.2023.04.011

馆 藏 号：203123971...