基于图卷积网络的疟疾感染红细胞图像识别

摘要

目的：将基于距离图卷积网络的图像识别方法应用到疟疾感染红细胞图像处理中，实现疟疾多阶段识别，提高疟疾临床诊断效率。方法：提出基于距离图卷积网络的疟疾多阶段识别模型，首先在KNN图构建算法中加入径向基函数来构造邻接矩阵，根据节点间的相似度为近邻节点分配权值，弱化远距离近邻节点对中心节点的影响；其次，在图卷积网络中引入注意力机制动态更新邻接矩阵，使模型关注相似度较高的近邻节点，最终完成疟疾感染红细胞图像的多阶段识别。结果：在Malaria-MIT数据集上进行验证，实验结果表明，本研究所提模型的准确率、精确度、召回率和F1值达到96.18%、96.23%、96.18%和96.18%，相比于原始模型得到提升。结论：本方法能有效完成疟疾感染红细胞图像多阶段识别任务。

关键词

疟疾感染红细胞 / 图像识别 / 图卷积网络 / 深度学习 / 医学图像处理

基金资助

甘肃省教育厅创新基金（2022B-113）