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    

Comparison among Four Deep Learning Image Classification Algorithms in AI based Diatom Test

中文题名：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

作者：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

第一作者：朱永正

机构：[1]山西医科大学法医学院,山西太原030001;[2]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;[3]贵州医科大学法医学院,贵州贵阳550000;[4]徐州医科大学法医学教研室,江苏徐州221004;[5]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

年份：2022

卷号：38

期号：1

起止页码：31-39

中文期刊名：法医学杂志

中文关键词：法医病理学;人工智能;溺死;深度学习;硅藻检验;卷积神经网络;

摘要：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、InceptionV3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。

分类号：DF795.1[法医基础科学]

收录：化学文摘（网络版）;CSCD:【CSCD_E2021_2022】；医学文摘;日本科学技术振兴机构数据库;生物医学检索系统;RCCSE;文摘与引文数据库;中国科技核心期刊;普通刊;