TY - Jour A2 - Zhao，Wenbing Au - Zhang，Bing Au - Hu，Xu Py - 2021Da - 2021/05/28 Ti - 基于对抗病变增强的医学图像分类模型SP - 4265650 VL - 2021 AB - 与人工智能的发展，基于深度学习的辅助诊断模型可以在一定程度上帮助医生。然而，在大多数传统方法中忽略了医学图像中的潜在信息，例如病变特征。在最近的一些研究中，将这些信息的提取被视为网络中的学习任务，但它需要大量的精细标记数据，这无疑是昂贵的。响应于上面的问题，本文提出了一种用于医学图像分类（ALENN）的对抗性病变增强神经网络，其用于仅在弱辅助数据下定位和增强医学图像中的病变信息，以提高所需的准确性辅助诊断模型。该方法是两阶段框架，包括基于结构的病变对抗性染色模块和病变增强分类模块。第一阶段用于修复图像中的病变区域，而第二阶段用于定位病变区域并在建模过程中使用病变增强的数据。最后，我们验证了我们在斯坦福大学发布的穆斯库特凯特尔X射线数据集上穆拉数据集的方法。实验结果表明，我们的方法不仅可以定位病变区，还可以提高辅助诊断模型的有效性。 SN - 1058-9244 UR - https://doi.org/10.1155/2021/4265650 DO - 10.1155/2021/4265650 JF - Scientific Programming PB - Hindawi KW - ER -