基于MDRA-net的肺结节良恶性分类方法 |
| |
引用本文: | 费熳熳,陈春晓,王亮,傅雪.基于MDRA-net的肺结节良恶性分类方法[J].激光与光电子学进展,2023(4):402-406. |
| |
作者姓名: | 费熳熳 陈春晓 王亮 傅雪 |
| |
作者单位: | 南京航空航天大学自动化学院生物医学工程系 |
| |
摘 要: | CT图像肺结节大小、形状和纹理的多样性,导致肺结节的良恶性诊断十分困难。在三维卷积神经网络的基础上,提出了一种基于多深度残差注意力机制的网络(MDRA-net),用于良恶性肺结节分类。MDRA-net通过在残差分支上使用特征融合及迭代分层融合的方法,提升了网络对结节位置特征及全局特征的感知能力;此外,结合注意力机制,引入projection and excitation模块,利用空间和通道信息进行校准,进一步提升了网络提取特征的能力。在LUNA16数据集上的实验结果表明,MDRA-net分类模型的肺结节检测准确率达96.52%,灵敏度和特异性分别为93.01%和97.77%,较现有的基于深度学习的肺结节良恶性分类模型有较大提升。
|
关 键 词: | 医用光学 深度学习 三维卷积神经网络 多深度融合 注意力机制 肺结节分类 |
|
|