基于联合特征学习和多重迁移学习的肝脏病变分类

蒋 瑞， 刘 哲， 宋余庆， 陈 鹏， 郝 文

(江苏大学 计算机科学与通信工程学院， 江苏 镇江 212013)

肝脏是人体进行新陈代谢的主要器官之一，往往也是肿瘤疾病的多发地[1].肝脏肿瘤的早期检测与诊断通常缺乏明显的疾病症状,且肝脏正常组织和肝脏病变组织之间以及不同类型的肝脏病变组织之间，在医学影像中无明显的密度差异，这使医生对肝脏肿瘤病变的诊断变得困难，从而容易错过最佳治疗期.临床上医学影像分析对于肝脏疾病的临床诊断、病理分析和治疗决策等方面具有重要意义.计算机断层扫描(computed tomography，CT)、核磁共振和肝脏穿刺活检技术是临床医学中用来分析、确诊肝肿瘤的3大方法.与MIR和LB相比，CT因其鲁棒性和高分辨率的成像技术被广泛应用于临床肝病分析.传统人工医学影像分析往往需要反复对比各个时期、各张CT切片，十分费时、费力，而且严重依赖医生的主观判断，容易出现误诊和漏诊.因此通过计算机来辅助医生进行肝脏肿瘤病变分类极具临床意义.近年来深度学习方法被广泛应用于医学图像分类，并取得了显著的效果.

在医学图像分类中，医学图像复杂的微解剖学特点使得医学图像的分类不是只依赖一种特定的特征信息.因此，在传统机器学习方法的特征工程中往往通过多样化特征信息来提高分类效果.目前，卷积神经网络(convolutional neural network，CNN)在医学图像处理领域得到广泛应用.为了获取更多有用的数据信息，在进行分类任务……