融合上下文注意力的两段式生成对抗网络的肺结节图像生成与分类

Synthesis and classification of pulmonary nodules using two-stage-based generative adversarial network incorporating contextual transformer

二维码有效期 120s

摘要提出一种融合上下文注意力的两段式生成对抗网络用于肺结节生成和分类.上下文注意力采用一种通道增强的多头上下文注意力机制,将通道注意力和多头上下文注意力结合,更好地处理特征图中的复杂语义关系,有效增强了模型的特征提取能力;两段式生成对抗网络框架用于实现肺结节在指定肺部区域的注入,该框架将生成任务分为两个阶段:第一阶段生成肺结节感兴趣区域图像,然后通过泊松融合模块与指定的肺实质进行融合,生成初始样本;第二阶段使用改进的CycleGAN模型对初始样本进行微调.同时,在判别器中引入跨层激励模块和辅助分类器实现对特征通道的再校正以及对肺结节的分类.在LIDC-IDRI数据集上进行实验验证,实验结果表明,所提方法在肺结节生成上的FID、IS和KID评分分别为115.153、2.619±0.095和0.062;在肺结节恶性度分类上准确率为70.23%,灵敏度、F1值和AUC分别为68.66%、68.92%和87.59%,表现出优于ADGAN等基于GAN的分类模型,以及VGG16等基准网络的性能.

作者尹智贤 ^[1] 夏克文 ^[2] 张昭 ^[3] 贺紫平 ^[4] 学术成果认领

作者单位河北工业大学电子信息工程学院,天津 300401;天津中德应用技术大学软件与通信学院,天津 300350 ^[1] 河北工业大学电子信息工程学院,天津 300401 ^[2] 天津中医药大学第一附属医院/国家中医针灸临床研究中心,天津 300193 ^[3] 长沙理工大学计算机与通信工程学院,湖南长沙 410114 ^[4]

关键词肺结节生成上下文注意力生成对抗网络肺结节分类 CycleGAN pulmonary nodule synthesis contextual transformer generative adversarial network pulmonary nodule classification CycleGAN

分类号 R318 TP391

栏目名称 医学影像物理

DOI 10.3969/j.issn.1005-202X.2024.12.009

发布时间 2024-12-30

基金项目

国家自然科学基金 河北省自然科学基金 河北省重点研发项目 河北省关键技术与产品研发专项