計(jì)算機(jī)科學(xué)學(xué)院徐勝舟老師在國(guó)際期刊IEEE Journal of Biomedical and Health Informatics發(fā)表高水平研究成果
作者：徐勝舟 編輯：徐勝舟 上傳：祝夢(mèng)歡 審核：柯尊韜 發(fā)布時(shí)間：2024-12-16 瀏覽次數(shù)：
近期,，計(jì)算機(jī)學(xué)院徐勝舟老師在中科院TOP期刊IEEE Journal of Biomedical and Health Informatics（原名為IEEE Transactions on Information Technology in Biomedicine,，五年影響因子7.1）上發(fā)表了題為《ERetinaNet: An efficient neural network based on RetinaNet for mammographic breast mass detection》的高水平論文（論文鏈接：https://ieeexplore.ieee.org/document/10457004）。該論文受到了湖北省自然科學(xué)基金和中央高校基本科研業(yè)務(wù)費(fèi)資助,。徐勝舟老師為通訊作者,，研究生陳羅林為論文第一作者,，中南民族大學(xué)為第一署名單位,。
乳腺X光檢查是一種有效的乳腺疾病診斷方法，計(jì)算機(jī)輔助檢測(cè)系統(tǒng)在乳腺腫塊的檢測(cè)中發(fā)揮著重要作用,。然而,，低對(duì)比度和周圍組織的干擾使得腫塊的檢測(cè)具有挑戰(zhàn)性。論文提出了一種高效的ERetinaNet網(wǎng)絡(luò),，以提高乳腺腫塊檢測(cè)的準(zhǔn)確性和推理速度,。
ERetinaNet網(wǎng)絡(luò)模型 徐勝舟 供圖
ERetinaNet引入了高效模塊，以促進(jìn)綜合特征的提取,，同時(shí)簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)以提高推理速度,。首先提出了一種更快的FRepVGG架構(gòu)作為主干網(wǎng)絡(luò)，該架構(gòu)利用了三種有效策略：1）在訓(xùn)練過程中使用的多分支結(jié)構(gòu)增強(qiáng)了學(xué)習(xí)能力,，通過重參數(shù)化技術(shù)在推理時(shí)等效轉(zhuǎn)換為單路徑結(jié)構(gòu),，從而加速檢測(cè)速度。2）提出了提取操作,，以濃縮中間層的特征,。3）在每個(gè)階段的最后一層添加了有效的多光譜通道注意力（eMCA）模塊，使網(wǎng)絡(luò)能夠更加關(guān)注目標(biāo)區(qū)域,。此外,，將視覺變換器（ViT）添加到ERetinaNet中，使其能夠?qū)W習(xí)全局語(yǔ)義信息,。檢測(cè)頭被簡(jiǎn)化，以使ERetinaNet更加高效,。
實(shí)驗(yàn)結(jié)果表明,，ERetinaNet的平均精度均值（mAP）從原始RetinaNet的79.16%提高到85.01%，并顯著縮短了推理時(shí)間,。此外,，ERetinaNet的檢測(cè)準(zhǔn)確率優(yōu)于其他優(yōu)秀的目標(biāo)檢測(cè)網(wǎng)絡(luò)。
徐勝舟老師一直從事醫(yī)學(xué)影像處理與分析及深度學(xué)習(xí)方面的研究工作,，已主持完成國(guó)家自然科學(xué)基金項(xiàng)目和湖北省自然科學(xué)基金項(xiàng)目各1項(xiàng),，在國(guó)內(nèi)外學(xué)術(shù)刊物上發(fā)表相關(guān)論文50余篇。
