基于切片关联信息的慢性阻塞性肺疾病CT诊断

摘要：

慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease,COPD)是一种常见的全球呼吸系统疾病,需要耗费医生大量的时间和精力对CT图像进行初步评估诊断.为了提高阅片效率,提出一种基于CT图像切片关联信息的深度网络,辅助诊断慢性阻塞性肺疾病.提出一种分组方式将网络分成若干个网络分支,每个网络分支能够提取局部CT图像切片内部关联信息,结合双向LSTM技术整合各网络分支信息以提取CT图像全局切片关联信息.为了进一步提升网络分支的局部特征提取能力,融入ConvNeXt提出增强的多头卷积注意力模块.对比实验结果表明,所提出的深度网络能够更好地对CT图像进行分类,辅助COPD诊断,其准确率达到92.15%,敏感度达到94.17%,特异性达到91.17%,AUC达到95.33%.

关键词：慢性阻塞性肺疾病、深度学习、多头卷积注意力

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广州市科技计划项目

在线出版日期：2024-02-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：27-33