换一批基于改进型残差网络的MRI脑肿瘤辅助诊断研究
Auxiliary Diagnosis of Brain Tumors in MRI Based on an Improved Re-sidual Network
摘要目的 针对传统卷积神经网络(CNN)在MRI图像中空间位置信息建模不足及通道特征感知能力薄弱的问题,提升脑肿瘤识别的准确率与鲁棒性.方法 提出融合坐标卷积(CoordConv)与多级残差注意力机制的改进型ResNet50模型(CoResAttNet),通过在初始层引入CoordConv增强空间感知能力,并在各残差阶段嵌入注意力模块以强化关键通道特征的表达.结果 在两个脑肿瘤MRI公开数据集上进行四分类实验,其在准确率、精确率、召回率和F1分数上分别达到99.72%、99.70%、99.69%、99.69%及98.26%、98.24%、98.25%、98.24%.结论 CoResAttNet模型在脑肿瘤分类任务中具备较好泛化能力与识别性能,能为智能辅助诊断提供有效支持.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1001-9324.2026.02.003
发布时间
2026-03-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62067007）
广西学位与研究生教改课题项目（JGY2023236）
- 浏览3
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
