基于DenseNet和混合域注意力的COVID-19低剂量CT图像质量评价

摘要：

研究COVID-19低剂量CT图像质量评价算法具有重要意义,但基于深度学习的方法随着网络层数的增加会出现梯度消失问题,针对此问题,文中提出了基于混合域注意力的DenseNet算法.DenseNet通过特征重用和网络的紧密连接,在减少参数的同时解决了梯度消失问题;基于人眼的注意力机制,将自下至上和自上而下结构相结合以实现空间注意力;基于人眼视觉具有多通道特性,针对空间域注意力忽略通道域中的信息,研究混合域注意力,并将其引入至DenseNet.分别用斯皮尔曼等级次序相关系数、皮尔逊线性相关系数来衡量客观评价方法的测试结果与主观评价之间的一致性.实验结果表明,所提方法可以较好地模拟人类的视觉特性,更加准确地对COVID-19低剂量CT进行质量评价,评价结果与人类视觉主观感受有较好的一致性.

关键词：DenseNet;混合域注意力;COVID-19;低剂量;CT图像

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：上海市2021年度"科技创新行动计划"自然科学基金项目;上海市公共卫生体系建设三年行动计划2020-2022年重点学科建设计划项目核医学与放射卫生学

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：620-624