计算机科学与探索

作者：孙宇, 魏本征, 刘川, 张魁星, 丛金玉

单位：1. 山东中医药大学 智能与信息工程学院，济南 2503552. 山东中医药大学 医学人工智能研究中心，山东 青岛 2661223. 山东中医药大学 青岛中医药科学院，山东 青岛 266122

关键词：自动编码器（AE）,特征提取,融减自动编码器（MRAE）,融减网络结构,联合重构损失函数

自动编码器（AE）是深度学习领域中一种结构简单且应用广泛的无监督特征提取算法。在图像特征提取方面，现有自动编码器普遍存在特征提取不充分、模型参数量较多等问题。针对上述问题，提出了一种用于图像特征提取的融减自动编码器（MRAE）。首先，在该算法中提出“融减网络结构”，该结构在编码器中通过特征交叉传递实现了特征融合，在解码器中通过优化解码结构降低了特征损失并减少了模型参数量；其次，设计一种联合重构损失函数，该函数通过计算特征层之间的重构损失，在加强特征层之间联系的同时可有效避免模型早熟。实验结果表明：在肺部CT图像数据集上，基于融减自动编码器所提取的特征使用支持向量机（SVM）、K-means和分类回归决策树（CART）等分类器，肺炎筛查准确率均在97%以上；在CvD数据集上，基于融减自动编码器所提取的特征使用全连接分类的准确率均在90%以上。

来源：2021年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第8期