换一批
换一批摘要在新型冠状病毒肺炎诊断任务中,胸部X射线(chest X-ray,CXR)的无关信息会影响模型分类决策,利用分割网络先将肺实质提取出来再进行分类是一种有效的途径.提出一种两阶段的分类模型Res-IgSa,使用ResUNet网络先提取CXR图像的肺实质,分类网络以ResNet50为基本框架,引入改进全局上下文模块(WGC)以及空间注意力模块(CSA).WGC在全局上下文的基础上引入通道规范化以及门控自适应单元,以更好地调整通道间的关系;CSA引入分组卷积,通过分组数来控制模型的容量,WGC和CSA可以实现特征图间的互补.在COVID-19 Radiog-raphy DatabaseV5数据集上进行了大量的实验,与原论文采用相同的方法相比,Res-IgSa实现了更好的分类效果,准确率、精度、召回率以及F1值分别达到了94.154%、94.157%、94.154%以及94.139%,并进行消融实验以及结果可视化进一步证明了该模型的有效性.
更多相关知识
关键词
新型冠状病毒肺炎深度学习分割分类注意力机制CXR图像corona virus disease 2019(COVID-19)deep learningsegmentationclassificationattention mechanismCXR image
分类号
TP391
栏目名称
图形图像处理
DOI
10.3778/j.issn.1002-8331.2207-0279
发布时间
2023-11-16
基金项目
国家自然科学基金
国家自然科学基金
国家自然科学基金
山东省自然科学基金
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
