基于多视角注意力融合的肺结核影像分类OA
肺结核计算机断层扫描(Computed Tomography,CT)影像存在噪声干扰、病灶特征弱及三维空间信息利用不足等问题,影响分类性能。针对上述问题,本文提出一种融合图像增强与多维特征学习的肺结核CT三分类方法。该方法采用多尺度八方向各向异性扩散增强与渐进式N2F(Noise2Fast)去噪联合预处理策略,提高病灶纹理可见性;随后构建轻量化PRISM-Net(Parallel Representation with Iterative Spatial Multi-view Fusion Network),通过迭代式多视角融合策略(IMVF)挖掘不同空间方向的互补信息,并引入多维注意力模块(MDAM)增强三维特征表达能力。在150例独立测试集上进行验证,所提方法精确率达到94.68%,加权F1值达到94.63%,正常、活动性及非活动性肺结核类别AUC分别达到1.0000、0.9926和0.9923,性能优于MambaOut-Kobe、MobileNetV3、MedVit及ResNet50等模型。
闫小丽;张蔚;刘庭亭;马超;徐延忠;何志琴
贵州大学电气工程学院,贵州贵阳550025贵阳市公共卫生救治中心,贵州贵阳550000贵州大学电气工程学院,贵州贵阳550025贵州大学电气工程学院,贵州贵阳550025贵阳市花溪区人民医院,贵州贵阳550025贵州大学电气工程学院,贵州贵阳550025
信息技术与安全科学
肺结核分类图像增强多视角融合多维注意力机制三维卷积神经网络
《液晶与显示》 2026 (9)
P.1339-1351,13
贵州省科学技术基金(黔科合支撑[2023]一般096)。
评论