Deep fusion of human-machine knowledge with attention mechanism for breast cancer diagnosis

计算机科学 人工智能 机器学习 计算机辅助设计 卷积神经网络 模式识别(心理学) 特征提取 特征(语言学) 保险丝(电气) 乳腺癌 人工神经网络 数据挖掘 癌症 医学 哲学 内科学 语言学 电气工程 工程制图 工程类
作者
Yaozhong Luo,Zhenkun Lu,Longzhong Liu,Qinghua Huang
出处
期刊:Biomedical Signal Processing and Control [Elsevier BV]
卷期号:84: 104784-104784 被引量:33
标识
DOI:10.1016/j.bspc.2023.104784
摘要

Breast cancer is a common disease worldwide that poses a significant threat to the health of women. Many researchers have developed computer-aided diagnosis (CAD) systems to help clinicians identify breast cancer. However, the existing methods ignore the combination of image information and human clinical description in CAD systems. In this paper, we propose a novel breast tumor classification system based on spatial attention and cross-semantic human–machine knowledge fusion. Our system pairs the ultrasound image and human scoring data as the input of the network and maps them to the same feature space. Then a human–machine knowledge aggregation network based on channel attention is proposed to fuse features from images and human descriptions to classify breast tumors. In the image feature extraction process, we propose a spatial attention convolution neural network to automatically focus on the key regions of the image related to classification. We have conducted cross-validation experiments, and the comparative results have shown that our method can effectively improve classification performance and achieve the highest value in five evaluation metrics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
空白、发布了新的文献求助10
4秒前
妍宝贝完成签到 ,获得积分10
6秒前
hy1234完成签到 ,获得积分10
9秒前
复杂真完成签到,获得积分10
10秒前
123321完成签到 ,获得积分10
12秒前
13秒前
77完成签到 ,获得积分10
14秒前
小公牛完成签到 ,获得积分10
14秒前
小小完成签到 ,获得积分10
15秒前
犹豫代曼完成签到,获得积分10
15秒前
HLT完成签到 ,获得积分10
15秒前
诚心千山发布了新的文献求助10
18秒前
WXR完成签到,获得积分10
21秒前
现代大神完成签到,获得积分10
22秒前
无趣养乐多完成签到 ,获得积分10
24秒前
梁嘉琦完成签到,获得积分10
24秒前
lani完成签到 ,获得积分10
28秒前
Dasha完成签到,获得积分10
29秒前
俞无声完成签到 ,获得积分10
30秒前
Dlan完成签到,获得积分10
32秒前
Luchy完成签到 ,获得积分10
32秒前
33秒前
33秒前
听寒完成签到,获得积分10
33秒前
33秒前
可耐的问柳完成签到 ,获得积分10
34秒前
杨扬完成签到,获得积分10
35秒前
梅槿完成签到 ,获得积分10
35秒前
轴承完成签到 ,获得积分10
38秒前
眠眠清完成签到 ,获得积分10
39秒前
40秒前
和谐诗双完成签到 ,获得积分10
42秒前
江中完成签到 ,获得积分10
42秒前
一一一完成签到,获得积分10
42秒前
勤恳的嚓茶完成签到,获得积分10
42秒前
joker完成签到 ,获得积分10
43秒前
Justtry发布了新的文献求助10
44秒前
超级无敌暴龙战士完成签到,获得积分10
44秒前
善学以致用应助小绵羊采纳,获得10
45秒前
在水一方应助小绵羊采纳,获得10
45秒前
高分求助中
传播真理奋斗不息——中共中央编译局成立50周年纪念文集(1953—2003) 700
Technologies supporting mass customization of apparel: A pilot project 600
武汉作战 石川达三 500
Chinesen in Europa – Europäer in China: Journalisten, Spione, Studenten 500
Arthur Ewert: A Life for the Comintern 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi // Kurt Werner Radtke 500
Two Years in Peking 1965-1966: Book 1: Living and Teaching in Mao's China // Reginald Hunt 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3811753
求助须知:如何正确求助?哪些是违规求助? 3356021
关于积分的说明 10379217
捐赠科研通 3072975
什么是DOI,文献DOI怎么找? 1688180
邀请新用户注册赠送积分活动 811860
科研通“疑难数据库(出版商)”最低求助积分说明 766893