基于注意力机制双通道卷积神经网络的肺部CT结节分类方法技术

本发明专利技术公开了一种基于双通道注意力机制卷积网络的肺结节良恶性分类算法，包括：收集肺部CT图像并对图像进行预处理，主要获取仅包含肺结节部分的病灶区域和包含肺结节的感兴趣区域。搭建双通道注意力机制卷积网络，感兴趣区域和病灶区域分别输入到前端有注意力机制CBAM的预训练网络ResNet50和DenseNet121中，然后添加自适应系数以调整提取信息的权重，接着将提取到的特征在通道维度上叠加以进行特征融合，最终输出分类结果。实验表明，该网络的准确率为94.84％，AUC为97.15％，本网络与VGG16等分类网络相比，对肺结节具有更好的分类性能。本发明专利技术采用的肺结节良恶性分类算法，在不充裕的数据量下获得较好的良恶性分类性能，为医生提供有力的医学辅助诊断支持。

【技术实现步骤摘要】

：本专利技术属于深度学习医学影像类，具体涉及一种基于双通道注意力机制卷积网络的肺结节良恶性分类算法。

技术介绍

0、
技术介绍
：

1、癌症是世界范围内的一个主要公共卫生问题，并且癌症是导致死亡的主要原因，其中肺癌(11.4％)的发病率仅次于女性乳腺癌(11.7％)居于第二名。肺癌对人的健康和生命有着很大威胁，不仅因为它的高发病率，更重要的是由于肺癌早期无明显症状，无法进行相应的治疗导致它的高死亡率，所以在早期阶段发现癌症并积极治疗会更有效，生存率会大大提高。计算机断层扫描(ct)是肺癌早期筛查的重要手段，但肺结节在ct成像中的特征并不明显，治疗干预中可能会对良恶性肺结节的判断有误，而延误治疗进程。因此针对良恶性肺结节的分类问题十分重要。

2、利用深度学习技术可以解决上述问题，但利用深度学习方法需要大量的数据集，由于医学图像的专业性和珍贵性导致无法获得大量的数据，因此为了在有限的数据集下提高肺结节分类的准确性，提出一种基于双通道注意力机制卷积网络的肺结节良恶性分类算法。首先将病灶区域和感兴趣区域分别输入到前端有注意力机制cbam的预训练本文档来自技高网...

【技术保护点】

1.一种基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，所述方法具体过程为：

2.根据权利要求1所述的基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，步骤2中ResNet50和DenseNet121均为在ImageNet上经过预训练的网络，从而能够大大减少模型的训练样本。

3.根据权利要求1所述的基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，步骤1中使用LIDC-IDRI数据集，对数据集进行筛选，选择两名及以上医师共同标注的结节，并对包含肺结节的切片划分为感兴趣区域和病灶区域两种数据作为输入，将数据集按8：2分为训...

【技术特征摘要】

1.一种基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，所述方法具体过程为：

2.根据权利要求1所述的基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，步骤2中resnet50和densenet121均为在imagenet上经过预训练的网络，从而能够大大减少模型的训练样本。

3.根据权利要求1所述的基于双通道注意力机制卷积网络的肺结节良恶性分类算法，其特征在于，步骤1中使用lidc-idri数据集，对数据集进行筛选，选择两名及以上医师共同标注的结节，并对包含肺结节的切片划分为感兴趣区域和病灶区域两种数据作为输入，将数据集按8：2分为训练集和测试集后输入网络。

4.根据权利要求1所述的基于双通...

【专利技术属性】
技术研发人员：黄玲，刘东洋，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：