Классификация изображений туберкулеза легких на основе мультивидового модуля внимания
摘要
В изображениях компьютерной томографии (КТ) туберкулеза легких присутствуют шумы, слабые признаки поражения и недостаточное использование трехмерной пространственной информации, что влияет на качество классификации. Для решения этих проблем предложен метод трехклассовой классификации КТ легких, объединяющий улучшение изображений с обучением многомерных признаков. Метод использует совместную предобработку с многошкальным анизотропным диффузионным усилением в восьми направлениях и прогрессивное шумоподавление Noise2Fast (N2F) для повышения видимости текстур поражений; далее построена легкая сеть Parallel Representation with Iterative Spatial Multi-view Fusion Network (PRISM-Net), которая с помощью итеративной стратегии многоракурсного слияния (IMVF) извлекает дополнительную информацию из различных пространственных направлений и включает многомерный модуль внимания (MDAM) для усиления трехмерного представления признаков. Метод проверен на независимом тестовом наборе из 150 случаев, достигшая точность 94.68%, взвешенное значение F1 94.63%, показатели AUC для нормального, активного и неактивного туберкулеза составили соответственно 1.0000, 0.9926 и 0.9923, превзойдя модели MambaOut-Kobe, MobileNetV3, MedVit и ResNet50.
关键词
Классификация туберкулеза; улучшение изображения; мультивидовое слияние; многомерный модуль внимания; трехмерная сверточная нейронная сеть
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website