摘 要：针对肝病早期的病理特征不够明显容易出现漏诊的问题以及引入噪声的肝脏 CT 图像容易导致疾病的误诊，提出了一种基于优化的随机森林的肝脏病变识别方法。首先通过 PNet 图像增强网络，实现噪声伪影抑制和细节对比度提升。将增强后的肝脏 CT 图像输入基于 SENet 与 ResNeXt-152 结合双通道重标定机制的网络提取二维特征并突出重要特征，使用改进的类C3D 网络进行三维空间特征的提取，然后进行多维特征融合，实现肝脏 CT 图像的高级语义特征的提取。最后使用随机森林进行肝脏病变识别，使用 3D 断层扫描肝脏 CT 图像进行实验，达到较好的病变识别效果。
关键词：肝脏 CT 图像；深度学习；高级语义特征；随机森林；病变识别
DOI:10.19850/j.cnki.2096-4706.2021.18.023
基金项目：广东省高校青年创新项目（2018 KQNCX394、2018KQNCX395、2019KQNCX222）
中图分类号：TP18；TP391.4 文献标识码：A 文章编号：2096-4706（2021）18-0090-04
Research on the Application for Liver Lesion Recognition Based on Optimized Random Forest
YAO Bingying1 , YANG Wei 1 , CHEN Jianqiang1 , NIU Tingting2
(1.Software Engineering Institute of Guangzhou, Guangzhou 510990, China; 2.Wuhan University of Science and Technology, Wuhan 430081, China)
Abstract: Aiming at the problem that the early pathological features of liver disease are not obvious enough to cause missed diagnosis and the noise-introduced liver CT images easily lead to the misdiagnosis of diseases, a liver lesion recognition method based on optimized random forest is proposed. First, the PNet image enhancement network is used to achieve noise artifact suppression and detail contrast enhancement. The enhanced liver CT image is input into a network based on SENet and ResNeXt-152 and combined with a dualchannel recalibration mechanism to extract two-dimensional features and highlight important features, uses an improved C3D-like network to extract three-dimensional spatial features, and then perform multi-dimensional feature fusion. Realize the extraction of high-level semantic features of liver CT images. Finally, random forest is used to identify liver lesions, and 3D tomography liver CT images are used for experiments to achieve better lesion recognition results.
Keywords: liver CT image; deep learning; high-level semantic feature; random forest; lesion recognition
参考文献：
[1] 谷宇 . 基于深度卷积神经网络的 CT 影像肺结节检测技术研究 [D]. 上海：上海大学，2019.
[2] 武海涛 . 肝脏 CT 图像病变检测与识别应用研究 [D]. 杭州：浙江大学，2016.
[3] 刘晓虹 . 肝脏 CT 图像特征提取与识别的研究及系统实现[D]. 镇江：江苏大学，2019.
[4] 傅言 . 基于图像分析的中医面诊及在肝病上的研究 [D]. 哈尔滨：哈尔滨工业大学，2007.
[5] 刘天宇 . 基于深度监督网络的肝脏及肝脏肿瘤 CT 影像自动分割算法研究 [D]. 兰州：兰州财经大学，2020.
[6] 牛婷婷 . 基于显著性算法的肝脏影像图像分类 [D]. 武汉：武汉科技大学，2021.
作者简介：姚冰莹（1988.02—），女，汉族，湖北荆州人，高级工程师，讲师，硕士研究生，研究方向：模式识别、云计算、 Web 系统。