• 论文
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
自动生成影像学报告的混合特征提取无卷积结构深度学习模型
  • 85
  • 作者

    王瑞花嵘仪秀龙韩承磊

  • 单位

    山东科技大学计算机科学与工程学院

  • 摘要
    在影像学报告的生成中,由于正常区域和异常区域的数据不平衡,描述疾病的关键词经常被描述图像正常区域的句子掩盖,导致异常图像特征的误判和漏判,严重影响医疗报告的质量。本研究提出混合特征提取无卷积深度学习模型,首次将Swin Transformer引入到放射学报告中,设计了一个混合特征提取器,以提取更加细粒度的图像特征,准确地捕捉生成影像学报告所需要的异常特征;设计一个名为视觉-语义协同注意力的注意力机制,在生成报告时突出图像重点特征信息,对非关键信息进行过滤,有效提升生成异常报告的质量;使用具有记忆机制的解码器模块生成影像学报告。最后,在流行的影像学报告IU X-Ray数据集上与当前的主流模型进行对比表明,本模型在语言生成指标和临床评估方面都达到较理想的效果。
  • 关键词

    影像学报告混合特征多标签标签特征深度学习模型

  • 引用格式
    王瑞,花嵘,仪秀龙,韩承磊.自动生成影像学报告的混合特征提取无卷积结构深度学习模型[J/OL].山东科技大学学报(自然科学版):1-9[2023-06-18].DOI:10.16452/j.cnki.sdkjzk.2023.03.010.
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联