基于多层次特征融合的口腔粘膜性疾病识别方法
Recognition of oral mucosal diseases based on multi-level feature fusion作者机构:西安工业大学光电工程学院陕西西安710021 空军军医大学第三附属医院口腔粘膜科陕西西安710032 军事口腔医学国家重点实验室/国家口腔疾病临床医学研究中心/陕西省口腔疾病临床医学研究中心陕西西安710032
出 版 物:《光电子.激光》 (Journal of Optoelectronics·Laser)
年 卷 期:2022年第33卷第9期
页 面:968-976页
核心收录:
学科分类:1003[医学-口腔医学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 100302[医学-口腔临床医学] 10[医学]
基 金:陕西省重点实验室项目(17JS052) 军事口腔医学国家重点实验室自主课题(2019ZA07)资助项目
主 题:口腔粘膜疾病 efficientNet 多层次特征融合 随机森林(RF) 分类器
摘 要:口腔粘膜性疾病的识别主要依靠医生肉眼观察并进行主观判断,该方法导致疾病识别的准确率低、医生的工作量大。针对以上问题提出一种基于多层次特征融合的口腔粘膜性疾病识别方法。对口腔疾病图像提取深层次特征和浅层次特征共两种,使用EfficientNet模型做深层特征的提取,使用HSV、方向梯度直方图(histogram of oriented gradient,HOG)和灰度共生矩阵(gray-level co-occurrence matrix,GLCM)分别提取口腔疾病的颜色、形状以及纹理的浅层特征,将特征融合后利用随机森林(random forest,RF)算法进行特征选择,选取特征重要性更大的特征,降低特征的维度。最后结合多种机器学习分类器进行分类识别。使用收集到的口腔粘膜疾病数据集进行实验验证,实验结果表明,该方法能达到准确率(accuracy,Acc)92.89%、灵敏度(sensitivity,Sen)89.91%、特异性(specificity,Spe)96.06%以及AUC(area under the curve)98.09%,有效地解决识别中误判多、准确率低等问题。