基于卷积神经网络与特征选择的医疗图像误差预测算法

李晓峰，刘刚，卫晋，王妍玮

（1.北京理工大学计算机科学与技术学院，北京 100081；2.哈尔滨工程大学，计算机科学与技术学院，黑龙江哈尔滨 150001；3.普度大学机械工程系，印第安纳州西拉法叶市，IN47906）

医疗图像是记录患者诊断情况的重要依据，获取高质量的医疗图像对于医疗诊断具有重要的意义[1-2].目前医疗研究领域中，人们能够依据各类仪器、设备获取海量医疗图像信息，利用当前医学影像设备获取医疗图像时，比如CT 图像，因为通常平面获取的图像分辨率大于空间层面的图像分辨率，所以CT 图像在X 轴和Y 轴方向上的分辨率较大，Z轴方向的分辨率较小，由此则容易产生误差，若不对图像进行有效筛选而直接作为诊断依据，将会严重影响疾病的诊断情况，对于医疗领域的发展也会产生一定的阻碍作用[3-4].对于海量的医疗图像，如果能够准确地预测医疗图像误差，将误差预测技术实时应用于医疗诊断中，将会大大促进医疗领域的进步，帮助更多的患者精准诊疗.目前对于医疗图像的误差处理存在一定的问题，缺乏高效的误差预测手段，因此寻找一种有效的医学图像误差预测方法具有重要的理论和实际价值[5-6].

随着近年来计算机技术的飞速发展，将深度学习应用于医疗图像处理中，已成为广受专家们关注的话题，侯梦薇等人[7]将知识图谱与深度学习相结合，在优质医疗资源稀缺但医疗需求增加的背景下，全面分析医疗知识图谱，对其中的关键技术进行研究综述，全面剖析了智能医疗现状与研究方向；……