51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频

目的 基于CT圖像的肺腺癌精確診斷對后續(xù)治療具有重要的臨床意義。卷積神經(jīng)網(wǎng)絡(luò)(convolutional nerual network, CNN)圖像分類方法大多側(cè)重于圖像的局部特征，難以完全捕獲全局知識和空間特征。為了充分學(xué)習(xí)這些有效特征，本文提出了一種多任務(wù)對比自監(jiān)督雙通道網(wǎng)絡(luò)(multi-task contrastive self-supervised dual network, MTCSSDN),實(shí)現(xiàn)該疾病的計(jì)算機(jī)輔助診斷。方法 首先采用基于Conformer的骨干網(wǎng)絡(luò)將3D CNN和Transformer統(tǒng)一集成到一個(gè)網(wǎng)絡(luò)框架中，使用特征耦合單元(feature coupling unit, FCU)交互式融合不同分辨率下的局部特征和全局表示。然后在同一網(wǎng)絡(luò)框架中使用并行結(jié)構(gòu)進(jìn)行跨架構(gòu)對比學(xué)習(xí)來聯(lián)合捕獲圖像豐富的空間特征，以訓(xùn)練特征表達(dá)性能更強(qiáng)的預(yù)訓(xùn)練模型。最后遷移至下游圖像分類任務(wù)，利用原始圖像對下游網(wǎng)絡(luò)模型進(jìn)行微調(diào)，進(jìn)一步提升模型的分類性能。結(jié)果 MTCSSDN算法在肺腺癌數(shù)據(jù)集上進(jìn)行評估，獲得79.70%±2.13%的平均分類準(zhǔn)確率、78.70%±4.22%的平均敏感性、74.00%±7.44%的平均特異性和52.70%±6.12%的平均約登指數(shù)。結(jié)論 本文所提出的MTCSSDN算法可以有效地提升肺腺癌輔助診斷的性能，具備潛在的臨床應(yīng)用價(jià)值。