-
题名受腹侧通路启发的脂肪肝超声图像分类方法VPNet
- 1
-
-
作者
丁丹妮
彭博
吴锡
-
机构
成都信息工程大学计算机学院
西南交通大学计算机与人工智能学院
-
出处
《计算机应用》
北大核心
2025年第2期662-669,共8页
-
基金
四川省科技创新苗子工程培育项目(MZGC20230077)
四川省重点研发计划项目(2023YFG0125)
四川省中央引导地方科技发展专项(2022ZYD0117)。
-
文摘
考虑腹侧通路在视觉信息处理中的核心作用,提出一种基于腹侧通路的脂肪肝分类方法。通过整合卷积神经网络(CNN)和生物视觉认知模型,模拟从初级视觉皮层(V1)到下颞叶皮层(IT Cortex)的层次化信息加工流程,从而构建全新的神经网络架构——VPNet (Ventral Pathway Network)。此外,受生物视觉机制中非经典感受野(nCRF)抑制机制在背景噪声抑制方面的启发,模拟该机制以应对超声图像中斑点噪声的挑战,进而增强模型的特征识别能力。在自制数据集上进行四类别的脂肪肝变异程度识别时,VPNet达到88.37%的准确率;在公开数据集上进行二类别的脂肪肝诊断时,VPNet的准确率、敏感性和特异性均达到100%的最佳性能。实验结果表明,与已知公开数据集研究中较优的ResNet101-SVM相比,VPNet的准确率分别在自制数据集和公开数据集上提升了11.63和0.7个百分点,证明了所提方法在脂肪肝疾病诊断中的有效性。
-
关键词
超声图像分类
脂肪肝变性
生物视觉
腹侧通路
非经典感受野抑制
深度学习
-
Keywords
ultrasound image classification
fatty liver degeneration
biological vision
ventral pathway
non-Classical Receptive Field(nCRF)inhibition
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
