典型文献
融合多头注意力机制的新冠肺炎联合诊断与分割
文献摘要：
目的 新冠肺炎疫情席卷全球,为快速诊断肺炎患者,确认患者肺部感染区域,大量检测网络相继提出,但现有网络大多只能处理一种任务,即诊断或分割.本文提出了一种融合多头注意力机制的联合诊断与分割网络,能同时完成X线胸片的肺炎诊断分类和新冠感染区分割.方法 整个网络由3部分组成,双路嵌入层通过两种不同的图像嵌入方式分别提取X线胸片的浅层直观特征和深层抽象特征;Transformer模块综合考虑提取到的浅层直观与深层抽象特征;分割解码器扩大特征图以输出分割区域.为响应联合训练,本文使用了一种混合损失函数以动态平衡分类与分割的训练.分类损失定义为分类对比损失与交叉熵损失的和;分割损失是二分类的交叉熵损失.结果 基于6个公开数据集的合并数据实验结果表明,所提网络取得了95.37％ 的精度、96.28％ 的召回率、95.95％的F1指标和93.88％的kappa系数,诊断分类性能超过了主流的ResNet50、VGG16(Visual Geometry Group)和Inception_v3等网络;在新冠病灶分割表现上,相比流行的U-Net及其改进网络,取得最高的精度(95.96％),优异的敏感度(78.89％)、最好的Dice系数(76.68％)和AUC(area under ROC curve)指标(98.55％);效率上,每0.56 s可输出一次诊断分割结果.结论 联合网络模型使用Transformer架构,通过自注意力机制关注全局特征,通过交叉注意力综合考虑深层抽象特征与浅层高级特征,具有优异的分类与分割性能.
文献关键词：
新冠肺炎(COVID-19);自动诊断;肺部区域分割;多头注意力机制;混合损失
中图分类号：
作者姓名：
李金星;孙俊;李超;Bilal Ahmad
作者机构：
江南大学,无锡 214122
文献出处：
引用格式：
[1]李金星;孙俊;李超;Bilal Ahmad-.融合多头注意力机制的新冠肺炎联合诊断与分割)[J].中国图象图形学报,2022(12):3651-3662
A类：
肺部区域分割
B类：
多头注意力机制,联合诊断,席卷,快速诊断,肺炎患者,肺部感染,测网,多只,能处,分割网络,胸片,肺炎诊断,诊断分类,双路,嵌入层,图像嵌入,嵌入方式,Transformer,取到,解码器,特征图,联合训练,混合损失函数,动态平衡,分类与分割,分类对比,对比损失,交叉熵损失,二分类,公开数据集,召回率,kappa,分类性能,ResNet50,VGG16,Visual,Geometry,Group,Inception,v3,病灶分割,进网,Dice,area,under,curve,模型使用,自注意力机制,全局特征,交叉注意力,层高,自动诊断
AB值：
0.429839
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。
