文档名：基于双重注意力机制的间质性肺病高分辨率CT图像分类方法
摘要：为了更精确地分类间质性疾病,提出了一种基于深度学习的分类网络,首先将多头自注意力机制模DenseNet-121结合,使得模型能够同时关注多个重点区域.然后采用卷积注意力模块实现更高效的特征提取,提升网络的空间感知能力,从而增强分类性能.最后,添加改进的空间金字塔池化层将不同尺度的特征图拼接起来以捕获更丰富的空间信息.此外针对高分辨率C图像数据集类别不均衡问题,引入FocalLoss损失函数,使得模型在训练时更专注于难分类的样本,从而进一步增强模型的分类能力.所提方法在未经训练的数据集上进行测试,达到了88.28%的准确率.相较于原始DenseNet-121在准确率、召回率、精确率、F1分数和Kappa系数提高了4.65%、5.08%、5.82%、5.45%和6.38%.实验结果表明,该方法具有特征提取能力强和分类准确率高的特点.
Abstract：Inordertoclassifyinterstitialdiseasesmoreaccurately,thispaperproposesaclassificationnetworkbasedondeeplearningXi,whichfirstcombinesthemulti-headself-attentionmechanismmodulewithDenseNet-121,sothatthemodelcanfocusonmultiplekeyregionsatthesametime.Then,theconvolutionalattentionmoduleisusedtoachievemoreefficientfeatureextractionandspatialperceptioncapabilities,soastoimprovetheclassificationabilityofthenetwork.Finally,animprovedspatialpyramidpoolinglayerisaddedtostitchtogetherthefeaturemapsofdifferentscalestocapturericherspatialinformation.Inaddition,aimingattheproblemofcategoryimbalanceofhigh-resolutionCTimagedatasets,theFocalLossfunctionisintroduced,whichmakesthemodelfocusmoreonthedifficultsamplesduringtraining,soastofurtherimprovetheclassificationabilityofthemodel.Theproposedmethodistestedontheuntraineddatasetinthispaper,andtheaccuracyratereaches88.28%.ComparedwiththeoriginalDenseNet-121,theaccuracy,recall,precision,F1scoreandKappacoefficientareincreasedby4.65%,5.08%,5.82%,5.45%and6.38%.Experimentalresultsshowthattheproposedmethodhasthecharacteristicsofstrongfeatureextractionabilityandhighclassificationaccuracy.
作者：赵琪玉 张俊华 张剑青 徐铭蔚 Author：ZhaoQiyu ZhangJunhua ZhangJianqing XuMingwei
作者单位：云南大学信息学院昆明650500昆明医科大学第一附属医院昆明650032
刊名：国外电子测量技术 ISTIC
Journal：ForeignElectronicMeasurementTechnology
年，卷(期)：2024, 43(6)
分类号：TP391
关键词：间质性肺病 深度学习 注意力机制 DenseNet-121 高分辨率CT图像
Keywords：interstitiallungdisease deeplearning attentionmechanism DenseNet-121 highresolutionCTimage
机标分类号：R563TP391.41R734.2
在线出版日期：2024年7月12日
基金项目：国家自然科学基金，国家自然科学基金基于双重注意力机制的间质性肺病高分辨率CT图像分类方法[
期刊论文] 国外电子测量技术--2024, 43(6)赵琪玉 张俊华 张剑青 徐铭蔚为了更精确地分类间质性疾病,提出了一种基于深度学习的分类网络,首先将多头自注意力机制模DenseNet-121结合,使得模型能够同时关注多个重点区域.然后采用卷积注意力模块实现更高效的特征提取,提升网络的空间感知能力,从...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于双重注意力机制的间质性肺病高分辨率CT图像分类方法 High resolution CT image classification method for interstitial lung disease based on dual attention mechanism
基于双重注意力机制的间质性肺病高分辨率CT图像分类方法.pdf
- 文件大小:
- 5.22 MB
- 下载次数:
- 60
-
高速下载
|
|
