-
题名融合注意力特征及动态卷积的肺结节辅助诊断
被引量：3
- 1
-
-
作者
谷宇
刘佳琪
杨立东
张宝华
张祥松
贾成一
-
机构
内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室
京东方科技集团股份有限公司
中国二冶集团有限公司
-
出处
《科学技术与工程》
北大核心
2023年第16期6834-6844,共11页
-
基金
国家自然科学基金(62001255,61962046,62161040,62262048,61841204)
中央引地方科技发展资金项目(2021ZY0004)
+5 种基金
内蒙古自治区高等学校青年科技英才支持项目(NJYT23057)
内蒙古科技大学基本科研业务费专项资金(042,019)
内蒙古自治区自然科学基金(2019MS06003,2022MS06017,2015MS0604)
内蒙古自治区科技计划项目(2020GG0315,2021GG0082,2021GG0023)
草原英才创新人才团队、内蒙古自治区高等学校科学研究项目(NJZY145)
教育部“春晖计划”合作科研项目(教外司留[2019]1383号)。
-
文摘
针对肺结节关键影像征象信息不易获取,部分卷积神经网络(convolutional neural networks,CNN)模型对肺结节的识别率不高的问题,提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating attention features,DcANet),并在有效实现肺结节良恶性分类的基础上对所提模型的诊断结果进行可视化分析。此网络以适应肺结节三维小尺寸输入特点的残差网络为基本框架,在DcABlock部分使用可以自适应调整卷积参数的动态卷积以及迭代注意特征融合模块,使模型能够更准确地获取肺结节信息,提高模型的表征能力。此外,还使用类激活映射将三维图像的各层切片进行可视化分析。实验在最终测试集上的准确率为85.87%,平衡F分数(F1)值为82.67%,敏感度和特异性的综合指标Gmean值为85.51%。实验结果表明:该网络可以提升对肺结节良恶性分类的准确性,诊断结果具有可信性,有一定的临床应用价值。
-
关键词
肺结节辅助诊断
动态卷积
迭代注意特征融合模块
深度学习
类激活映射
-
Keywords
computer aided diagnosis of pulmonary nodules
dynamic convolution
iterative attentional feature fusion
deep learning
class activation mapping
-
分类号
R563
[医药卫生—呼吸系统]
TP391.4
[医药卫生—内科学]
-
