轻量化的多尺度注意力脊柱侧弯筛查方法OA北大核心

近年来,深度学习越来越多地应用于脊柱侧弯筛查技术研究,并且取得了突出的成效。为了解决脊柱侧弯筛查的精度和效率不高,无法满足大规模脊柱侧弯筛查需要的问题,设计了一种轻量化的多尺度注意力卷积神经网络,对ResNet50进行改进,取得了较好的筛查效果。提出了一种多尺度残差特征提取模块,使用不同大小的卷积核,提取不同尺度的信息;使用三个残差块并在残差块中使用一种混合注意力机制,关注通道和空间两方面的信息,增强特征提取能力;将普通卷积替换成一种深度混洗卷积,在精度损失不多的情况下,提高网络效率;提出了一种多层次特征融合模块,将多个层次信息进行特征融合,提取更加多样化的特征信息。实验证明,相比ResNet50总体准确率提高了11.19个百分点,测试时长减少了2 s。