计算机应用

作者：丁丹妮, 彭博, 吴锡

单位：1.成都信息工程大学 计算机学院，成都 610225；2.西南交通大学 计算机与人工智能学院，成都 611756

关键词：超声图像分类,脂肪肝变性,生物视觉,腹侧通路,非经典感受野抑制,深度学习

基金：四川省科技创新苗子工程培育项目(MZGC20230077);四川省重点研发计划项目(2023YFG0125);四川省中央引导地方科技发展专项(2022ZYD0117)

考虑腹侧通路在视觉信息处理中的核心作用，提出一种基于腹侧通路的脂肪肝分类方法。通过整合卷积神经网络（CNN）和生物视觉认知模型，模拟从初级视觉皮层（V1）到下颞叶皮层（IT Cortex）的层次化信息加工流程，从而构建全新的神经网络架构——VPNet （Ventral Pathway Network）。此外，受生物视觉机制中非经典感受野（nCRF）抑制机制在背景噪声抑制方面的启发，模拟该机制以应对超声图像中斑点噪声的挑战，进而增强模型的特征识别能力。在自制数据集上进行四类别的脂肪肝变异程度识别时，VPNet达到88.37%的准确率；在公开数据集上进行二类别的脂肪肝诊断时，VPNet的准确率、敏感性和特异性均达到100%的最佳性能。实验结果表明，与已知公开数据集研究中较优的ResNet101-SVM相比，VPNet的准确率分别在自制数据集和公开数据集上提升了11.63和0.7个百分点，证明了所提方法在脂肪肝疾病诊断中的有效性。

来源：2025年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第2期