基于多关系图卷积的肺部病变检测

猿急送>成都其它兼职程序员>Yang Bing>

案例列表

基本信息

案例ID：171838

技术顾问：Yang Bing - 1年经验 - 全日制博士

联系沟通

微信扫码，建群沟通

项目名称：基于多关系图卷积的肺部病变检测

所属行业：人工智能 - 其他

->查看更多案例

案例介绍

利用医学图像进行疾病鉴定是医学领域的一项重要应用。图卷积网络（GCN）被提出来为多关系图像建模并生成更多信息的图像表示。最近，医学图像之间的关系被利用来识别疾病。本文提出了一种带注意卷积二元神经树的门控GCN（GGAC），用于多关系图像识别疾病。GGAC提取了图像的判别特征，加强了对医学图像的建模能力，深入理解了图像的表现形式，然后很好地捕捉了图像之间的多模态关系。首先，设计了一个基于注意力机制的注意力卷积二元神经树来提取图像的细粒度特征，并利用树结构边缘的注意力转换操作来加强网络对关键图像特征的获取。第二，提出了一个门控GCN，通过解决同阶邻域中不同邻域的权重分布问题来提高GCN性能。第三，使用GCN传播规则来传输多关系图中的消息，然后解决了GCN中高维特征数据的消息传递问题。最后，我们在胸部X射线14上构建的多关系图上验证GGAC。从实验中可以看出，通过对多关系图特征的提取和推理，可以在一定程度上解决过拟合和欠拟合的问题，然后GGAC比最先进的方法具有更好的性能，并且在模型复杂度上保持良好。