4种深度学习图像分类算法在人工智能硅藻检验中的比较

• Published in: 法医学杂志 Vol. 38; no. 1; pp. 31 - 39
• Main Authors: 朱永正, 张吉, 程奇, 于慧潇, 邓恺飞, 张建华, 秦志强, 赵建, 孙俊红, 黄平
• Format: Journal Article
• Language: Chinese
• Published: 徐州医科大学法医学教研室,江苏 徐州 221004%广州市刑事科学技术研究所 法医病理学公安部重点实验室,广东 广州 510442%山西医科大学法医学院,山西 太原 030001 25.02.2022; 司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063%司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063%司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063; 贵州医科大学法医学院,贵州 贵阳 550000%司法鉴定科学研究院 上海市法医学重点实验室 司法部司法鉴定重点实验室 上海市司法鉴定专业技术服务平台,上海 200063; 山西医科大学法医学院,山西 太原 030001
• Subjects: 人工智能; 硅藻检验; 卷积神经网络; 溺死; 法医病理学; 深度学习
• ISSN: 1004-5619
• DOI: 10.12116/j.issn.1004-5619.2021.411001

DF795.1; 目的 选择深度学习图像分类算法中复杂性和准确性较为平衡的4种算法进行硅藻的自动识别,探究最适用于硅藻识别的分类算法,为法医学自动化硅藻检验研究提供数据参考.方法 建立真实水中尸体肺组织消化液涂片的"硅藻""背景"小样本量数据集(20000张),用于4种算法(VGG16、ResNet50、Incep?tionV3和Inception-ResNet-V2)模型的训练、验证和测试.绘制受试者工作特征曲线、混淆矩阵并计算召回率、查准率、特异性、准确率及F1分数,对各模型性能进行系统性评估.结果 InceptionV3的硅藻识别性能明显优于其他3种算法,具有更为均衡的硅藻查全(89.80％)与查准(92.58％)性能;VGG16和Inception-ResNet-V2的硅藻识别性能相当,虽无法做到硅藻查全与查准的性能均衡,但其识别能力尚可接受;ResNet50的硅藻识别性能最低,其召回率仅为55.35％.在特征提取上,4种模型均提取到了硅藻和背景的特征,且都以硅藻区域为主要识别依据.结论 包含Inception结构的模型,在硅藻特征提取方面具有更强的指向性和靶向性.其中,InceptionV3算法能够更为准确、靶向地提取到硅藻特征,具有最优的硅藻识别性能,更适合应用于日常法医学硅藻检验.