换一批残差通道注意力模块结合改进ResNet50的CT肺结节良恶性分类研究
Research on classification of benign and malignant pulmonary nodules of CT based on residual channel attention module combined with improved ResNet50
摘要为提高肺结节良恶性分类的准确率,本研究提出了一种改进的残差网络模型LNC-Net.首先,级联小卷积核替代大卷积核,提升计算效率;其次,重构ResNet50 的输入主干及残差模块,利用全局平均池化层替换ResNet50 的输出部分,提升网络的特征学习能力,减少模型参数;最后,通过融合残差通道注意力模块(RCAM)及感受野模块(RFB-s),加强网络的特征提取能力.在LIDC数据集上的实验显示,模型的准确率、精确率、召回率、F1 分数和AUC分别达 0.983、0.984、0.987、0.985 和0.999.该模型可有效实现肺结节良恶性的辅助诊断.
更多相关知识
关键词
改进残差网络肺结节分类模型压缩残差通道注意力模块感受野模块Improved residual networkPulmonary nodules classificationModel compressionResidual convolutional attention moduleReceptive field block-small
分类号
R318（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2025.06.05
发布时间
2026-02-02（万方平台首次上网日期，不代表论文的发表时间）
- 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
