薛雨涵1,2,周亦佳1,2,何宇1,2,林嘉希1,3,朱锦舟1,3,刘晓琳1,3,王玉4,许春芳1,3,殷民月1,3
目的 基于DeepLab V3+网络框架,构建深度学习计算机视觉模型,实现对上消化道溃疡内镜图片较精确的语义
分割。方法 DeepLab V3+网络框架的编码器首先通过多个并行的、具有不同采样率的空洞卷积层,之后通过一个全局
平均池化层对图像进行特征提取,实现多尺度提取特征;而解码器部分对深度特征层进行4次上采样,与浅层特征层进
行堆叠并调整堆叠层大小,使其和输入图像大小一致,得到模型的预测结果。结果 在内部验证集中,该模型的准确度
(Accuracy,ACC)为0.963,平均交并比(Mean Intersection Over Union,mIoU)为0.927;外部测试集中,该模型的ACC
为 0.958,mIoU为0.915;均优于传统算法U-Net(内部验证集ACC为0.810,mIoU为0.785;外部测试集ACC为0.779,mIoU
为0.732)。结论 DeepLab V3+网络框架在识别病灶方面准确度高,具有较好的临床实践性。