骨画像においてサンプル数が限られており、クラスの不均衡問題が存在するため、骨画像の分類は大きな困難を伴います。骨画像の分類精度を向上させるために、本論文では補助分類器を組み合わせた生成的敵対ネットワーク（ACGAN）によるデータ生成と転移学習に基づく骨画像分類手法を提案します。まず、骨画像のクラス不均衡問題を解決するために、MU-ACGANモデルを設計しました。本モデルはU-Netを生成器のフレームワークとし、密集残差接続およびチャネル-空間注意機構構造を組み合わせて骨画像の細部特徴生成を向上させ、判別器は密集残差注意畳み込みブロックにより骨画像特徴を抽出して判別を行います；次に、従来のデータ拡張方式を組み合わせてデータ量をさらに拡充し；最後に、多尺度畳み込みニューラルネットワークを設計して骨画像の異なるスケールの特徴を抽出し、分類性能を向上させました。モデル訓練過程では、二段階の転移学習方式を採用し、モデルの初期パラメータを最適化し過学習問題を解決しました。実験結果は、本論文の提案手法が分類精度85.71％を達成し、小規模な骨画像データセットの分類精度の低さの問題を効果的に緩和したことを示しています。

骨画像; 補助分類器を組み合わせた生成的敵対ネットワーク（ACGAN）; 転移学習; 注意機構; データ拡張