融合局部与全局特征的肺炎医学影像分类
针对现有肺炎医学影像识别研究在浅层网络忽略全局特征导致特征提取不全且模型规模较大的问题,提出了一种基于CNN和注意力机制的轻量化模型提高肺炎类型的识别效率.采用轻量化模型结构减少模型参数量,通过增大卷积核,引入高效通道注意力和自注意力机制解决网络重要信息丢失和无法提取底层全局信息的问题,通过双分支并行提取局部和全局信息并使用多尺度通道注意力提高二者融合质量,使用CLAHE算法优化原始数据.实验结果表明,该模型在保证轻量性的同时准确率、灵敏度、特异性较原模型分别提高2.59%,3.1%,1.38%,并优于当前优秀的其他分类模型,具有更强的实用性.
图像处理、肺炎、卷积神经网络、注意力机制、特征融合
32
TP391;R445;TP18
国家自然科学基金;山东中医药大学产教融合协同育人项目;山东中医药大学产教融合协同育人项目
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
159-166