基于多模型融合方法的肺结节良恶性分类
针对CT图像中肺结节因边缘模糊、特征不明显造成的分类效果有偏差的问题,本文提出一种嵌入注意力机制的多模型融合方法(简称MSMA-Net).该方法先将原始CT图像进行肺实质分割和裁剪操作后得到两种不同尺寸的图像,然后分别输入到空间注意力模型和通道注意力模型进行训练,其中,空间注意力模型着重于提取肺结节在CT图像中的空间位置信息,通道注意力模型着重于提取肺结节的细节特征.最后将两个模型提取的特征进行融合,用于得出良恶性分类结果.经过大量实验表明,这种多模型融合方法能很好地提取到肺结节在CT图像中的位置信息和自身的边缘特征,在LIDC数据集的基础上,该方法在准确率,敏感性,特异性分别达到了96.28%,96.72%,96.17%,相较于传统的网络模型取得了更好的分类效果.
肺结节、注意力机制、多模型、良恶性分类
32
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2021-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
389-394