基于多尺度注意力机制的三维卷积神经网络肺结节检测算法
A three dimensional convolutional neural network pulmonary nodule detection algorithm based on the multi-scale attention mechanism作者机构：山东师范大学物理与电子科学学院山东省医学物理图像处理技术重点实验室济南250358
出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)
年 卷 期：2022年第39卷第2期
页 面：320-328页
核心收录：
学科分类：0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金(61971271) 山东省重点研发计划(2018 GGX106008)。
主 题：肺结节检测 多尺度特征提取 注意力机制 三维卷积神经网络
摘 要：基于电子计算机断层扫描(CT)的肺结节检测的早期筛查是降低肺癌死亡率的重要手段,而近年来三维卷积神经网络(3D CNN)已经在肺结节检测领域取得了成功并不断深入发展。本文提出了一种基于多尺度注意力机制的3D CNN肺结节检测算法。针对肺结节大小和形状各异的特点,设计了一个多尺度的特征提取模块,提取不同尺度的相应特征。通过注意力模块,从空间和通道两个角度挖掘特征间的关联信息,对特征加强。提取出的特征进入类似金字塔的融合机制,使得特征中同时包含深层的语义信息与浅层的位置信息,更利于目标定位与边界框回归。在具有代表性的LUNA16数据集上,相对于目前先进的其他方法,本文方法能够明显地提高检测灵敏度,可为临床医学提供理论参考。
维普期刊数据库
同方期刊数据库