基于3D CMFF深度网络模型的肺结节分类

作     者：刘一展 

作者机构：上海理工大学出版印刷与艺术设计学院上海 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2024年第13卷第1期

页      面：588-596页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：肺癌 肺结节 深度学习 多尺度特征融合 

摘      要：当今基于深度学习的肺小结节分类成为了研究热点。然而,现有的网络模型大都精度过低,且只能处理2D肺结节切片,无法在肺部CT中学习到3D特征。为了应对这些挑战,提出了一个具有高精度的多尺度特征融合网络模型3DCMFF。3DCMFF的主干基于3DECABlock,可以在提高网络的特征表达能力。模型中的3D PSA模块,能够提取特征信息更丰富的3D精细化特征图。多尺度特征融合将阶段2~4层输出的特征图进行融合,在几乎不增加计算量的同时提升精度。在LUNA16数据集上进行综合消融实验和对比实验中,3DCMFF取得了93.58的精度。实验结果表明,我们的方法对分类精度有着可观的提升,并且和现有的先进模型相比较,3DCMFF具有精度高,鲁棒性优秀的特点,并能够给医生提供辅助诊断。