改进ConvNeXt的肝囊型包虫病超声图像五分类研究

摘要：

肝包虫病是严重危害人畜健康的重要人畜共患寄生虫病,超声检查是肝包虫病的首选检查方法,采用深度学习技术能够有效减少人工误差,降低成本并提高诊断效率.以ConvNeXt模型为基础,结合焦点损失函数和Lion优化器,最后引入CBAM构建CLCFNet模型实现肝囊型包虫病早期筛查和精确诊断.在肝囊型包虫病超声影像数据集进行的消融实验表明,对比基准模型分类准确率、精确率、召回率、特异度和F1 指数平均提升了4.3%、21%、25%、4%和26%,对比实验也验证了所提出方法各指标优于现有流行方法.改进算法显著降低了模型推理时间,增强了模型训练的稳态性能,可以实现肝囊型包虫病的快速和精准分类识别.

关键词：肝囊型包虫病、超声图像、ConvNeXt、焦点损失函数、Lion优化器、注意力机制

所属期刊栏目：47

分类号：TN911.73-34;TP751.1

资助基金：国家自然科学基金;国家重点实验室开放基金

在线出版日期：2024-01-08（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：62-68