基于注意力残差网络的甲状腺结节分类研究

摘要：

超声成像是甲状腺结节筛查的常规手段,但要获得一致性评估结果仍是一项有挑战的任务.针对残差网络对甲状腺结节分类存在模型性能偏低,且随着网络加深其性能提升困难,模型可解释性较低等问题,该文设计了基于残差网络的模型优化方案.首先调整网络结构和训练方式,然后引入自注意力辅助模型学习结节的模糊位置信息,最后利用类激活映射监督分类器的注意力分布并辅助模型精准定位结节.实验结果表明:优化后的模型在准确率、F1值、灵敏度、特异性和AUC指标上分别提升10.97％、7.33％、4.77％、9.57％和14.94％,说明优化后的模型具有一定的潜在临床价值.

关键词：注意力机制、残差网络、甲状腺结节、超声、实验设计

所属期刊栏目：39

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;江苏高校青蓝工程资助;江苏省高等教育教改研究立项课题;江苏省研究生科研与实践创新计划项目

在线出版日期：2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：59-64