安 晨，汪成亮，廖 超，肖诗童

（重庆大学 计算机学院，重庆 400044）

0 概述

肠胃道疾病对公众健康造成巨大威胁，及时发现肠胃道异常可降低患病几率，无线胶囊内镜（Wireless Capsule Endoscopy，WCE）［1］能够以无创伤、无痛的方式直接检查患者的肠胃部分。一个患者的WCE 检查过程将会持续8～11 h，摄像头以2 frame/s的速度拍摄5～8 万张图像，WCE 图像多达上万张，但是，复杂的胃肠道环境因为碎片、散焦、气泡和光线等干扰因素产生了大量质量较低的WCE 图像，可用作诊断分析的WCE 图像只占所收集图像的5%。目前，许多方法被应用于WCE 图像的辅助诊断，且多数方法都是针对单一异常进行检测，包括出血［2］、息肉［3］、溃疡［4］以及克罗恩病检测［5］。但是，真实环境中一个患者的肠胃道常具有多种异常，WCE 图像的多分类在临床实践中具有重要意义，只有很少的方法被应用于WCE 图像的多分类任务［6-8］。WCE 图像因数据分散、数据采集困难、隐私保护等原因通常只有少量的标注数据，与小样本自然图像分类不同，WCE 图像分类还面临类间相似、类内变异度高等问题。

为了解决小样本WCE 图像的多分类问题，本文提出一种基于注意力关系网络（Attention Relational Networks，ARNs）的小样本WCE 图像分类方法。该方法将关系网络［9］、注意力机制以及元学习训练策略相结合，以在少量标记样本下对WCE 图像进行有效分类。构造基于注意力机制的嵌入模块提取WCE 图像的特征，将提取到的查询样本特征与支持样本特征进行级联并输入到关系模块中，根据关系模块输出的关系评分得到查询样本所属的类别，采用元学习的训练策略训练网络。……