改进EfficientNet的多视图特征融合的CIN诊断

作者：郭颖; 王永雄; 杨慧敏; 张佳鹏; 孙青

来源：控制工程, 2022, 1-8.

DOI：10.14107/j.cnki.kzgc.20210900

• 宫颈上皮内瘤变
• 阴道镜图像
• 深度学习
• EfficientNet
• 多视图融合

现有的计算机辅助宫颈图像诊断方法大多是基于醋酸或Lugol's碘的单视图图像，忽略了容易因非病理组织引起的假阳性反应而造成误诊的问题。因此，本研究将3种视角的阴道镜图像通过通道级联方式作为总输入，构建以EfficientNet为主干网络的深度学习框架，用于宫颈上皮内瘤变(CIN)的诊断。此外，由于阴道镜三视图内容的高度相关性和空间一致性，需要从通道和空间2个维度上进行特征加权，因此在EfficientNet内部增加嵌入了CBAM模块的特征融合层，进一步加强CIN病灶特征的选择能力。在3 294张真实临床阴道镜图像上实验的准确性，F_(1)-Score分别达到88.5%，88.2%，AUC值为0.90。实验结果表明，所提方法可以帮助临床医生进行快速的CIN诊断，并优于已知的相关工作。

• 出版日期2022-3-5
• 单位皖南医学院第一附属医院; 上海理工大学