基于多尺度特征融合注意力的肺结节图像分类方法、系统技术方案

本发明专利技术属于图像处理技术领域，具体涉及基于多尺度特征融合注意力的肺结节图像分类方法、系统，首先通过分通道卷积处理以深度提取不同尺度的特征，然后对多尺度特征图进行融合，以减少特征图尺度变化的影响，最后采用多头注意力机制处理，学习全局信息，突出重要区域，抑制不相关部分，由此实现对肺结节图像的准确捕捉，进而准确分类。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及基于多尺度特征融合注意力的肺结节图像分类方法、系统。

技术介绍

1、在肺结节的检测分类方面，深度学习技术已得到广泛应用。其中，卷积神经网络是一种深度学习模型，可以自动从数据集中学习复杂和抽象的特征。这种能力消除了繁琐的手动特征设计过程的需要。尽管研究人员已经利用卷积神经网络提出了多种肺结节分类模型，但这些模型仍存在一些局限性，这限制了它们在分类准确性上的潜力。

2、现有技术的缺陷和不足：

3、1.现有的肺结节分类模型主要依赖于小核卷积来实现，但小核卷积的感受野有限，通常只能关注到图像的局部特征，这就导致在处理过程中损失图像信息。

4、2.在处理图像时，并非所有区域都同等重要，现有网络仅仅使用卷积操作来提取图像特征，无法区分图像中的主次信息，导致关键信息的丢失。

5、3.肺部肿瘤与其周围组织的交互作用可能在不同尺度上表现出不同的模式。现有的分类模型没有融合多尺度的特征，无法充分理解这些交互作用。

技术实现思路

1、为解决
技术介绍
提出本文档来自技高网...

【技术保护点】

1.一种基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，所述步骤S2特征融合，操作如下：

3.根据权利要求1所述的基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，所述步骤S1中，第一深度可分离卷积处理、第二深度可分离卷积处理、第三深度可分离卷积处理，分别为使用大小为7×1×1、1×7×1、1×1×7的卷积核。

4.根据权利要求1所述的基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，所述步骤S2中，融合特征图经多头注意力机制处理...

【技术特征摘要】

1.一种基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，所述步骤s2特征融合，操作如下：

3.根据权利要求1所述的基于多尺度特征融合注意力的肺结节图像分类方法，其特征在于，所述步骤s1中，第一深度可分离卷积处理、第二深度可分...

【专利技术属性】
技术研发人员：马朝青，何乃鑫，姜滔，李琳，王金霞，张蔚东，乔泽滨，
申请(专利权)人：烟台大学，
类型：发明
国别省市：