多模式特征融合网络肺结节良恶性分类方法

作者：尹智贤; 夏克文^*; 武盼盼

来源：计算机工程与应用, 2023, 59(23): 228-236.

• 肺结节良恶性分类
• 特征融合
• 卷积块注意力模块(CBAM)
• 通道混洗
• MobileNet V3

胸部计算机断层扫描（computed tomography,CT）中肺结节良恶性的精确分类对于肺癌的早期诊断具有重要意义。然而，CT影像中肺结节背景的复杂，以及图像特征提取不全面等问题，为实现肺结节良恶性的精确分类带来困扰。为此，提出了多模式特征融合网络肺结节良恶性分类方法。具体地，以MobileNet V3为骨干网络，以原始肺结节CT图像及提取出的结节图像为输入，设计了一种双路径特征提取网络，不仅能够有效提取原CT图像的全局信息，还能有效挖掘肺结节区域的判别性特征，以弥补结节较小时网络过多关注其周围组织从而产生误判的问题。此外，在特征提取阶段引入convolutional block attention module(CBAM)和通道混洗机制，进一步增强了网络的特征表达能力。同时，对原MobileNet V3网络结构做出修改，删除最后四组基于倒残差结构的bottlenecks(bnecks)模块，使模型能够以较小的时间和空间复杂度精确诊断恶性结节。在LIDC-IDRI数据集上的实验表明，提出的方法能够在显著降低网络参数量和FLOPs的同时实现对肺结节良恶性的精确分类，分类准确率、敏感性、特异性、精确率、F1值和AUC值分别达到了93.71%、94.03%、93.48%、95.56%、92.65%和98.66%。

• 单位
  电子信息工程学院; 天津师范大学; 河北工业大学