融合SE和多尺度卷积的轻量级CT图像分类模型 |
| |
引用本文: | 魏榕剑,邵剑飞,温剑,冯宇航,叶榕.融合SE和多尺度卷积的轻量级CT图像分类模型[J].云南大学学报(自然科学版),2023(3):583-589. |
| |
作者姓名: | 魏榕剑 邵剑飞 温剑 冯宇航 叶榕 |
| |
作者单位: | 昆明理工大学信息工程与自动化学院 |
| |
基金项目: | 国家自然科学基金(61732005); |
| |
摘 要: | 针对医生主观因素会影响COVID-19(新型冠状病毒感染)和CAP(社区获得性肺炎)类型计算机断层(Computed Tomography,CT)图像诊断准确性的问题,提出一种基于MobileNetV2网络改进的MobileNetV2-SELN结构.首先,对MobileNetV2结构中的Block模块进行改进,添加SE块和尺度注意力机制,并引入全连接层和全局池化以便于获取多尺度特征;然后,针对COVID-19图像和CAP图像相似度大的特点,用GroupNorm替代BatchNorm2d,使模型能更好地获取肺炎特征;最后,使用SGD优化器对模型进行优化.实验结果表明,提出的模型的分类准确率更高.
|
关 键 词: | 新冠病毒感染 计算机断层扫描图像 卷积神经网络 MobileNetV2-SELN 分组归一化 |
|
|