重加权在多类别不平衡医学图像检测中的应用

摘要：

在医学图像检测中,由于数据集经常存在每类样本数目不均衡的情况,使数据集样本出现长尾分布的问题,严重影检测模型的性能.针对网络在训练多类别不均衡数据集中训练时出现的过拟合现象,采用重加权的方式改进原有损失函数,并用CLAHE算法对X光图像进行预处理,以突出图像的内部细节,选用ResNext50网络作为特征提取网络.以covid-chestxray数据集作为实验用数据集,通过实验评估了模型的准确度、精确率、召回率和F1值,证实了该方法的有效性.

关键词：类别不平衡、医学图像、胸部X光图像、重加权

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金62072118

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：237-242