基于Swin Transformer的肝囊型包虫病超声图分类研究
2022年电子技术应用第11期
热娜古丽·艾合麦提尼亚孜1，米吾尔依提·海拉提1，王正业1，叶尔夏提·多力孔2，严传波2
1.新疆医科大学 公共卫生学院，新疆 乌鲁木齐830011；2.新疆医科大学 医学工程技术学院，新疆 乌鲁木齐830011
摘要：为了提高肝包虫病的筛查和诊断效率，弥补部分地区医疗资源不足的情况，提出一种基于Swin Transformer的肝包虫病病灶智能分型方法，结合卷积注意力机制模型，通过学习图像的整体和局部细节特征来实现对五种类型的囊型包虫病病灶的全自动分类。为了验证模型具有优越性，将提出的预测模型与常见分类模型对比分析。结果显示基于改进的Swin Transformer模型在测试集上分类准确率可达92.6%。实验结果表明相较于其他算法，基于改进的Swin Transformer网络能较好地分类出肝囊型包虫超声图像，并且该方法可以推广到其他医疗应用中。
中图分类号：TP751.1
文献标识码：A
DOI：10.16157/j.issn.0258-7998.223118
中文引用格式：热娜古丽·艾合麦提尼亚孜，米吾尔依提·海拉提，王正业，等. 基于Swin Transformer的肝囊型包虫病超声图分类研究[J].电子技术应用，2022，48(11)：7-12，18.
英文引用格式：Renaguli·Aihemaitiniyazi，Miwueryiti·Hailati，Wang Zhengye，et al. Ultrasonic classification of hepatic cystic echinococcosis based on Swin Transformer[J]. Application of Electronic Technique，2022，48(11)：7-12，18.
文献标识码：A
DOI：10.16157/j.issn.0258-7998.223118
中文引用格式：热娜古丽·艾合麦提尼亚孜，米吾尔依提·海拉提，王正业，等. 基于Swin Transformer的肝囊型包虫病超声图分类研究[J].电子技术应用，2022，48(11)：7-12，18.
英文引用格式：Renaguli·Aihemaitiniyazi，Miwueryiti·Hailati，Wang Zhengye，et al. Ultrasonic classification of hepatic cystic echinococcosis based on Swin Transformer[J]. Application of Electronic Technique，2022，48(11)：7-12，18.
Ultrasonic classification of hepatic cystic echinococcosis based on Swin Transformer
Renaguli·Aihemaitiniyazi1，Miwueryiti·Hailati1，Wang Zhengye1，Yeerxiati·Duolikong2，Yan Chuanbo2
1.College of Public Health，Xinjiang Medical University，Urumqi 830011，China； 2.College of Medical Engineering Technology，Xinjiang Medical University，Urumqi 830011，China
Abstract：In order to improve the screening and diagnosis efficiency of hepatic hydatid disease, and make up for the shortage of medical resources in some areas, this paper proposes an intelligent typing method of hepatic hydatid disease based on Swin Transformer, which combines the convolution attention mechanism model, and realizes the automatic classification of five types of cystic hydatid disease by learning the whole and local details of images. In order to verify the superiority of the model, the prediction model proposed in this paper is compared with common classification models. The results show that the classification accuracy based on the improved Swin Transformer model can reach 92.6% on the test set. The experimental results show that compared with other algorithms, the improved Swin Transformer network can better classify the ultrasonic images of hepatic cystic echinococcosis, and this method can be extended to other medical applications.
Key words :deep learning；image classification；hepatic cystic echinococcosis；ultrasonic image；transfer learning
0 引言
包虫病是由棘球绦虫幼虫引起的一种呈全球分布性的人畜共患寄生虫病[1]。根据中国疾病预防控制中心数据显示[2]，每年约有超过200万人感染包虫病，在畜牧地区特别是医疗卫生条件较差的偏远地区的流行较为突出。我国是世界上包虫病患病最严重的国家之一[3]，以细粒棘球绦虫引起的囊型包虫病(Cyst Echinococcosis，CE)和多房棘球绦虫引起的泡型包虫病(Alveolar Echinococcosis，AE)流行为主，其中囊型包虫病的患病率最高，占全部发病的98%以上[4]。此病多发于中国西北部牧区和青藏高原等医疗资源贫瘠的地区，由于新疆肝包虫病发病率较高，已成为新疆的地方性特色病[5]。包虫病不同分型在临床上对应不同的治疗方案[6]，准确的分型对包虫病的治疗有重要的意义。目前临床上评估肝包虫病首选的方法是影像检查，超声诊断因其无辐射和低成本等特点被广泛用于肝包虫病的筛查和诊断[7]。然而，该病患者多而专业医生和检测技术远远不能满足患者的就医需要，尤其是在畜牧及偏远的地区，往往还存在着医生经验不足的情况，并且因该病早期临床表现不明显，患者往往是出现肝区疼痛等明显症状时才开始就医，这不仅给治疗带来更大的难度，还会影响肝包虫发病早期的精确诊断。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000004997。
作者信息：
热娜古丽·艾合麦提尼亚孜1，米吾尔依提·海拉提1，王正业1，叶尔夏提·多力孔2，严传波2
(1.新疆医科大学 公共卫生学院，新疆 乌鲁木齐830011；2.新疆医科大学 医学工程技术学院，新疆 乌鲁木齐830011)
此内容为AET网站原创，未经授权禁止转载。