党维涛，马 进，张利利，张太辉，程 珊，惠铎铎，胡文东

（空军军医大学航空航天医学系，西安710032）

0 引言

医学影像在疾病的检测、诊断和治疗中起着重要作用，在医疗诊断和临床治疗中不可或缺。近年来，随着硬件技术的突破和人工智能技术的发展，深度学习已成为计算机视觉领域研究的新潮流，基于深度学习的计算机影像分析系统能够对医学图像进行预处理和分类，自动提取隐含在图片中的特征信息，从而辅助影像科医师进行诊断，在提高诊断准确率、减少影像科医师工作量方面具有重要意义[1]。

目前，基于迁移学习的深度神经网络技术已被广泛应用于医学图像的分割、诊断、分类、预测和检测等方面的研究[2]，其在阿尔茨海默症、肺癌、乳腺癌、视网膜病变等疾病的辅助诊断上已经取得显著效果[3]。在骨骼异常检测方面，国内外学者也进行了相关研究，潘雪峰[4]基于迁移学习的卷积神经网络（convolution neural networks，CNN）进行手骨X射线片异常分类，并开发了相应的辅助诊疗系统；Raghavendra等[5]提出了一种使用CNN的自动胸腰椎骨折检测技术，在其私有数据集上具有良好的分类效果。

目前，深度神经网络在骨骼异常方面的研究主要为图像分类，异常定位方面的研究不多。本文采用迁移学习的方法，引入经过预训练的深度神经网络模型，针对上肢骨骼X射线片的分类任务进行再训练，提取骨骼X射线片的特定图像特征，基于梯度加权类激活映射图（gradient-weighted class activation mapping，Grad-CAM）求得特征图的加权系数，构建类激活图，实现异常区域的判断与定位。……