DenseNet-GRU:直肠癌 CT 影像分类的深度神经网络模型

来源：计算机技术与发展杂志2021年第03期北京时间：

作者：贾欣齐;李睿;张志成;王阳;吕品

摘要：DenseNet 是一种广泛用于影像分类的卷积神经网络,但它不具备记忆功能,无法反映卷积操作后不同特征映射之间的关联关系。 若将其直接应用于判断直肠癌是否发生淋巴结转移,则无法比较直肠癌 CT 影像特征在深度神经网络映射过程中的变化。 基于此,提出了一种新颖的深度神经网络模型 DenseNet-GRU(gated recurrent unit),其核心是利用 GRU获取 DenseNet 提取的不同影像特征之间的关联关系,进而获得不同图像之间相同像素区域的特征变化情况,最终判断直肠癌患者的淋巴结是否存在转移。 以包含 107 个患者 DCM 格式的腹部横断位动脉期和门脉期两种增强 CT 影像为实验数据集,采用数据增强和阈值分割方法对数据进行预处理,DenseNet-GRU 模型在 F-score 上的分类精度达到了 65% 以上,对临床辅助诊断具有重要的现实意义。

关键词：DenseNet;门控循环单元;深度神经网络;影像特征;影像分类