基于Ghost卷积的高级别浆液性卵巢癌复发预测方法 |
| |
作者姓名: | 唐艺菠 崔少国 万皓明 王锐 刘丽丽 |
| |
作者单位: | 1. 重庆师范大学计算机与信息科学学院;2. 重庆医科大学第一临床学院 |
| |
摘 要: | 高级别浆液性卵巢癌是一种恶性肿瘤疾病,进行术前复发预测能帮助临床医生为患者提供个性化治疗方案,降低病人的死亡率。因该疾病的医学数据较少且难以获取,导致其深度学习模型难以得到充分的训练,复发预测准确率有待提高。针对此问题,本文设计了一种改进的低参数残差网络TGE-ResNet34,以ResNet34为主干网络,将传统卷积模块用Ghost卷积代替,完成病灶区特征的提取,降低模型的参数量,在2个Ghost卷积之间融入ECA(Efficient Channel Attention)注意力机制,抑制无用特征提取的干扰,最后通过5折交叉验证模型,避免数据随机划分的偶然性。实验结果表明,改进设计的TGE-ResNet34网络准确率为96.01%,相比原基线网络准确率提高4.52个百分点,参数量减少15.98 M。
|
关 键 词: | 高级别浆液性卵巢癌 残差网络 Ghost卷积 注意力 |
|