基于迁移学习策略的肝纤维化分期诊断方法

针对肝纤维化四分期准确率较低,S2与S3期分期难的问题,文中提出了一种基于迁移学习策略的肝纤维化诊断方法.该方法基于预训练好的深度残差网络模型,随机初始化各层权值参数,加入采用旋转、裁剪patch小块等方法扩充的数据集微调各类参数.经过softmax分类器结合patch小块投票原则,最终得到肝纤维化S0～S1、S2、S3、S4期的分期准确率分别为93.75％、90.63％、87.50％、86.96％.该结果表明,文中方法在基于高频超声图像的肝纤维化定量诊断任务中达到了较好的效果.通过比较分析可知,文中所述方法优于其他已有方法,为临床计算机辅助诊断肝纤维化疾病提供了更加有效的解决方案.