444.
从胸部X光片中自动识别胸部疾病是计算机辅助诊断的重要研究领域。然而;现有的许多胸部疾病分类方法在处理病变区域大小差异方面存在困难;并且无法准确识别和定位不同疾病的病变区域。针对上述问题;提出一种基于跨尺度注意力网络(CANet)的胸部疾病分类方法。该方法使用DenseNet-121作为特征提取网络;并集成自感知注意力(SAA)、向上聚焦注意力(UFA)和向下引导注意力(DGA)3个主要模块。SAA模块通过提取与胸部疾病相关的通道和异常区域信息;细化空间位置上的病理特征;并减少不相关区域的干扰。为了实现不同尺度空间上下文信息的跨尺度交互;使用UFA和DGA模块进行图像特征校准。此外;提出空间注意力金字塔池化(SAPP)模块用于融合不同特征图的多尺度特征;从而提高胸部疾病的检测性能。在ChestX-ray14和DR-Pneumonia数据集上的实验结果表明;所提方法的平均曲线下面积(AUC)值分别达到了83.4%和82.6%;优于DualCheXNet、A
3Net和CheXGAT等方法。具体地;与CheXGAT方法相比;所提方法的平均AUC值分别提高了0.7和0.1个百分点。可见;所提方法可以识别胸部X光片中的重要信息;有效提高了胸部疾病分类的性能。… …
相似文献