融合注意力特征及动态卷积的肺结节辅助诊断

作者：谷宇; 刘佳琪^*; 杨立东; 张宝华; 张祥松; 贾成一

来源：科学技术与工程, 2023, 23(16): 6834-6844.

• 肺结节辅助诊断
• 动态卷积
• 迭代注意特征融合模块
• 深度学习
• 类激活映射

针对肺结节关键影像征象信息不易获取，部分卷积神经网络(convolutional neural networks, CNN)模型对肺结节的识别率不高的问题，提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating attention features, DcANet),并在有效实现肺结节良恶性分类的基础上对所提模型的诊断结果进行可视化分析。此网络以适应肺结节三维小尺寸输入特点的残差网络为基本框架，在DcABlock部分使用可以自适应调整卷积参数的动态卷积以及迭代注意特征融合模块，使模型能够更准确地获取肺结节信息，提高模型的表征能力。此外，还使用类激活映射将三维图像的各层切片进行可视化分析。实验在最终测试集上的准确率为85.87%,平衡F分数(F1)值为82.67%,敏感度和特异性的综合指标Gmean值为85.51%。实验结果表明：该网络可以提升对肺结节良恶性分类的准确性，诊断结果具有可信性，有一定的临床应用价值。

• 单位
  京东方科技集团股份有限公司; 内蒙古科技大学; 中国二冶集团有限公司