基于CSNet网络的肺炎图像分类研究

作     者：刘玉良 白玉洁 LIU Yuliang;BAI Yujie

作者机构：天津科技大学电子信息与自动化学院天津300222 

出 版 物：《天津科技大学学报》 (Journal of Tianjin University of Science & Technology)

年 卷 期：2024年第39卷第3期

页      面：49-55页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(52378254) 

主　　题：肺炎 卷积神经网络 图像分类 X射线图像 

摘      要：X射线图像是肺炎疾病诊断的重要影像依据。由于肺部疾病的多样性,肺炎诊断的准确率有待进一步提高。本文在ConvNeXt网络模型的基础上进行改进,提出一个新的卷积神经网络模型CSNet,用于对X射线肺炎图像进行四分类。CSNet网络模型在ConvNeXt网络模型的基础上改变了原有的图像预处理部分和池化层,在卷积块中添加了一个特征通道注意力模块,以突出特征图中的肺炎信息。在注意力模块的基础上修改激活函数并进行比较,最终选择SMU激活函数。消融实验证明各模块的有效性,并与7个网络进行对比实验证明该网络的有效性。实验结果表明,与其他网络模型相比,本文模型的准确率最高,达到99.0%,同时精确率和召回率更高。