换一批
换一批融合注意力机制和轻量级卷积神经网络的胸部CT影像分类方法研究
Research on Chest CT Image Classification Method Combining Attention Mechanism and Lightweight Convolutional Neural Network
摘要：
同一疾病类型的CT影像也会由于患者患病严重程度不同而呈现差异,现主要临床诊断方法依赖医生专业能力及过往经验,客观性有待增强,效率有待提高.针对以上问题,提出一个融合注意力机制的CT分类网络—并联轻量级CT分类卷积神经网络(PC-CTNet).该网络主要由并联支路通道混洗(PCS)模块和深度高效跳跃连接(DES)模块组成.PCS模块采用双分支并联,融合了多尺度感受野的特征;DES模块则利用卷积和高效通道注意力提取有效的深层类间区分信息,并通过跳跃连接避免梯度消失.结果表明,PC-CTNet模型在包含5 988张大小不一的CT数据集上分类准确率能达到98.46％,在包含194 922张的开源数据集上分类准确率能达到98.75％.PC-CTNet的各项性能指标均接近现有的胸部CT分类网络,且其参数量和计算量约为0.32、75.58 M,分别为实验比较中胸部CT分类网络的10.17％和3.21％,拥有更高的参数效率和计算效率,能有效辅助医生诊断,提高诊断效率和客观性.
更多
作者：
作者单位：
长沙理工大学计算机与通信工程学院,长沙 410000
[1]
长沙市竞网信息科技有限公司,长沙 410000
[2]
期刊：
《中国生物医学工程学报》2024年43卷4期 429-437页
ISTICPKUCSCD
分类号：
R318
栏目名称：
论著
DOI：
10.3969/j.issn.0258-8021.2024.04.005
发布时间：
2024-09-05
基金项目：
国防科技创新特区项目
湖南省重点研发项目
湖南省自然科学基金项目
- 浏览：0
- 被引：0
- 下载：0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
