CT图像融合专家知识的肺结节良恶性诊断方法

摘要：

针对当前卷积神经网络在医学CT图像肺部结节分类中存在图像特征提取不全面,导致分类准确度低且检测时间长的问题,提出了一种基于深度网络特征融合的分类检测网络(efficient selective convolutional network,ESC-Net),网络是以EfficientNet-V1为基础框架,在 MBConv(mobile inverted residual bottleneck convolution)结构中引入轻量级注意力机制,同时,为降低网络的参数量和FLOPs,删去3层 MBConv结构,进一步增强了特征提取和分类能力,适合于实际应用场景中快速、精准地诊断恶性结节.结果表明,在LIDC-IDRI数据集上,方法实现了对肺结节良恶性的精确分类,分类准确率和AUC值分别达到了94.6%与98.3%,优于大部分主流的分类方法.

关键词：CT图像、肺部结节、LIDC-IDRI、EfficientNet

所属期刊栏目：42

分类号：TN2(光电子技术、激光技术)

资助基金：江苏高校哲学社会科学研究项目;上海市分子影像学重点实验室开放课题项目

在线出版日期：2023-09-06（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：181-187