基于Fisher向量和混合描述符的胎盤(pán)成熟度分級(jí)
摘要:胎盤(pán)成熟度分級(jí)(PMG)對(duì)于評(píng)估胎兒生長(zhǎng)和孕婦健康來(lái)說(shuō)至關(guān)重要。目前,PMG主要依賴于臨床醫(yī)生的主觀判斷,不僅十分耗時(shí),而且由于工作的重復(fù)性和冗余性,常會(huì)產(chǎn)生誤判。傳統(tǒng)機(jī)器學(xué)習(xí)中使用的手工特征提取方法,不能很好解決PMG的分級(jí)問(wèn)題,因此提出從B超圖像和彩色多普勒能量圖像中提取深度混合描述符進(jìn)行胎盤(pán)成熟度自動(dòng)分級(jí)的方法。從深度卷積神經(jīng)網(wǎng)絡(luò)中提取卷積特征,并將其與手工特征結(jié)合形成混合描述符來(lái)提高模型性能。首先,將多個(gè)特征層的不同模型進(jìn)行融合,從圖像中獲取混合描述符。同時(shí),考慮到深度表達(dá)特征,使用遷移學(xué)習(xí)策略來(lái)增強(qiáng)分級(jí)性能。然后,用Fisher向量(FV)對(duì)提取的描述符進(jìn)行編碼。最后,使用支持向量機(jī)(SVM)分類器對(duì)胎盤(pán)成熟度進(jìn)行分級(jí)。用醫(yī)生標(biāo)注好的數(shù)據(jù)進(jìn)行測(cè)試,在基于19層網(wǎng)絡(luò)的混合特征模型獲得高達(dá)94.15%的精確度,比單一使用手工特征模型提升3.01%,比CNN特征模型提升7.35%。實(shí)驗(yàn)結(jié)果證明,所提方法能夠有效應(yīng)用于胎盤(pán)成熟度自動(dòng)分級(jí)。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)雜志社