典型文献
基于级联特征正交融合网络的小儿肺炎分类
文献摘要：
为提高儿童肺炎的临床诊断准确率,进一步为肺炎治疗精准用药提供依据,本研究提出了一个级联的特征正交融合网络模型对小儿胸片图像进行自动分类,将预处理的图像输入到网络A用来诊断是否患肺炎,然后将网络A的输出作为网络B的输入,判断肺炎的病原体类型.网络A和网络B均以深度残差网络(ResNeXt-50)为基础网络,首先将压缩-激励模块(squeeze-and-excitation networks,SE-Net)融合到ResNeXt-50中,然后利用空洞卷积获取多尺度特征,并通过自注意力机制获得网络中具有代表性的局部特征,从局部特征中提取与全局特征正交的分量.最后将正交分量与全局特征进行融合,形成最终的特征表征并完成分类.实验结果表明,该模型在二分类模型的分类准确率达到97.78％,在三分类的准确率达到85.13％.该模型具有良好的分类效果,可帮助医生实现对儿童肺炎快速有效的临床诊断.
文献关键词：
医学影像;图像分类;肺炎诊断;病原体分类;深度学习;卷积神经网络
中图分类号：
作者姓名：
赵爽;魏国辉;赵文华;马志庆
作者机构：
山东中医药大学实验室管理处,济南250355;山东中医药大学智能与信息工程学院,济南250355
文献出处：
引用格式：
[1]赵爽;魏国辉;赵文华;马志庆-.基于级联特征正交融合网络的小儿肺炎分类)[J].生物医学工程研究,2022(03):248-253
A类：
病原体分类
B类：
融合网络,小儿肺炎,儿童肺炎,诊断准确率,精准用药,胸片,自动分类,体类,深度残差网络,ResNeXt,squeeze,excitation,networks,SE,Net,合到,空洞卷积,多尺度特征,自注意力机制,局部特征,全局特征,二分类模型,分类准确率,三分类,分类效果,快速有效,医学影像,图像分类,肺炎诊断
AB值：
0.385792
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
