IC+IEffxNet:一种基于CBAM和改进通道注意力的EfficientNet的混合脑肿瘤分类方法

摘要：

为进一步提高脑肿瘤影像诊断的准确性和稳健性,提出一种基于CBAM(Convolutional Block Attention Module)和改进通道注意力机制的EfficientNet神经网络(IC+IEffxNet)的新型混合脑肿瘤分类方法.该方法分为2个阶段,第一阶段由基于改进空间注意力机制的CBAM模型提取特征.第二阶段将EfficientNet架构中的Squeeze and Excitation(SE)块替换成Efficient Channel Attention(ECA)块,将第一阶段的组合特征输出作为第二阶段的输入.实验展示了在混合脑肿瘤MRI数据集下,神经胶质瘤患者、脑膜瘤患者、脑垂体瘤患者与正常患者图像的4分类结果,实验结果显示分类平均准确率比现有方法提高约0.5～2个百分点.实验结果证明了该方法的有效性,为医疗专家能够准确判断脑肿瘤种类提供了新的参考.

关键词：脑肿瘤、ECA、EfficientNet、CBAM、分类

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61471182

在线出版日期：2023-06-08（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：1-7