换一批基于DenseNet的儿童肺炎识别与多分类研究
Identification and multi-class classification of pediatric pneumonia based on DenseNet
摘要针对儿童肺炎影像难以诊断的问题,提出一种基于DenseNet算法改进的儿童肺炎诊断模型,以提高诊断准确率.以DenseNet网络为基础模型融合空间和信道重构卷积,利用特征之间的空间和信道冗余对卷积神经网络进行压缩,提高推理效率.将空间组智能增强模块嵌入网络,利用注意力掩码对不同位置的特征向量进行缩放调整,从而提高各组特征在空间维度上的鲁棒性.同时,增大网络前期卷积核和池化核,提高模型的表达能力.引入A2-Nets双重注意力网络,通过高效的特征聚合与传播机制,显著提升图像识别性能.实验结果表明,提出的方法取得显著的效果,在正常和肺炎的二分类准确率为97.8%;在细菌性和病毒性肺炎的二分类实验中达到82.3%的准确率;在正常、细菌性肺炎和病毒性肺炎三分类中取得83.1%的准确率.
更多相关知识
关键词
图像分类医学图像处理儿童肺炎空间和信道重构卷积空间组智能增强image classificationmedical image processingpediatric pneumoniaspace and channel reconstruction convolutionspatial group-wise enhance
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.03.018
发布时间
2026-04-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
