DRT Net:面向特征增强的双残差Res-Transformer肺炎识别模型OA北大核心CSTPCD
针对肺部X射线图像的病灶区域较小、形状复杂,与正常组织间的边界模糊,使得肺炎图像中的病灶特征提取不充分的问题,提出了一个面向特征增强的双残差Res-Transformer肺炎识别模型,设计3种不同的特征增强策略对模型特征提取能力进行增强。设计了组注意力双残差模块(GADRM),采用双残差结构进行高效的特征融合,将双残差结构与通道混洗、通道注意力、空间注意力结合,增强模型对于病灶区域特征的提取能力;在网络的高层采用全局局部特征提取模块(GLFEM)…查看全部>>
周涛;彭彩月;杜玉虎;党培;刘凤珍;陆惠玲
北方民族大学计算机科学与工程学院,宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室,宁夏银川750021北方民族大学计算机科学与工程学院,宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室,宁夏银川750021北方民族大学计算机科学与工程学院,宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室,宁夏银川750021北方民族大学计算机科学与工程学院,宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室,宁夏银川750021北方民族大学计算机科学与工程学院,宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室,宁夏银川750021宁夏医科大学医学信息与工程学院,宁夏银川750004
计算机与自动化
肺炎识别X射线图像特征增强双残差结构Transformer
《光学精密工程》 2024 (5)
P.714-726,13
国家自然科学基金资助项目(No.62062003)宁夏自然科学基金资助项目(No.2022AAC03149)。
评论