基于改进残差和注意力的CT肺癌辅助诊断
谷宇,迟靖千 ,张宝华 ,杨立东 ,李建军 ,唐思源
内蒙古科技大学,内蒙古科技大学包头医学院
2024-09-04
为了提高结节检测和肺癌诊断的性能,本文提出一种改进的卷积神经网络(CNN)模型用于这2个步骤的结节特征提取。该模型以一种改进UNet网络作为基础网络,并引入了ResNeXt模块和注意力机制,在保持模型复杂度的同时,提高网络学习多种形状和大小的结节特征的能力。实验结果表明:该模 型在DSB数据集上表现良好,结节检测的灵敏度和特异性分别达到了99. 15 %和99. 99 % ,肺癌诊断的准确率和AUC值分别达到了80. 43 %和0. 86。可见,本文方法对于多种多样的结节特征具有高度敏感性, 具有一定的临床价值。
  • 肺癌辅助诊断
被引用: 345次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、本文方法

    • 1.1 ResNeXt模块

    • 1.2 注意力模块

    • 1.3 GIoU

    • 1.4 检测网络

    • 1.5 诊断网络

  • 2、实验与分析

    • 2.1 实验环境

    • 2.2 数据集

    • 2.3 评估标准

    • 2.4 实验结果与分析

      • 2.41 不同ResNeXt模块的结节检测评估

      • 2.42 多种组合的结节检测评估

      • 2.43 整体肺癌诊断网络的评估与消融实验

      • 2.44 实验结果对比

  • 3、结论

核心点推荐
  • 肺结节辅助检测
  • 肺癌辅助诊断
  • CT图像
  • 卷积神经网络
  • ResNeXt模块
  • 注意力机制