基于卷积神经网络的内镜图像中食管病变分类

来源：计算机工程与应用杂志2023年第7期北京时间：

作者：龙其刚, 王金铭, 梁燕, 宋杰, 冯亚东, 李鹏, 赵凌霄

单位：1.中国科学技术大学 生物医学工程学院（苏州） 生命科学与医学部，合肥 230026；2.中国科学院 苏州生物医学工程技术研究所，江苏 苏州 215163；3.东南大学附属中大医院 消化内科，南京 210009

摘要：消化内镜检查是食管癌筛查的常规手段。由于内镜下的病灶在形状、颜色和质地上的个体差异和视觉相似性，食管鳞癌的诊断效率和准确率都极大地依赖于内镜医师的经验，尤其在白光内镜下容易被误诊和漏诊。针对上述问题，提出一种融合双线性池化和注意力机制的卷积神经网络，可基于白光内镜图像对食管病变进行分类。该网络以ResNet50作为基本框架，加入全新设计的全局通道注意力模块，重新标定通道间特征，并引入双线性池化操作融合多个特征层，增强特征表达。基于2?101例多中心临床患者的白光内镜图像数据集的实验结果显示，该方法对食管病变的分类准确率在图像和病人级别分别为94.2%和96.9%，对食管鳞癌的敏感度和特异度在图像级别为95.4%和98.8%，在病人级别为98.7%和95.9%，均优于实验中所对比的近年来其他模型和方法。该实验结果表明，提出的网络对白光内镜下的食管病变表现出优异的分类性能，可有效提高食管鳞癌的诊断准确率，同时具有较好的鲁棒性。

关键词：食管鳞癌,白光内镜图像,卷积神经网络,双线性池化,注意力机制