首页|基于多通道双注意力网络的COVID-19图像分类

基于多通道双注意力网络的COVID-19图像分类

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对逆转录聚合酶链反应对新冠肺炎(COVID-19)的检测存在一定的假阴性率、消耗时间过长等问题,提出了一种基于深度迁移学习的多通道双注意力网络(MDA-Net)对肺部图像进行检测.在深度迁移学习的框架下,引入了多通道双注意力模块,利用多个通道的位置关系,融合不同尺度的图像特征.将注意力机制和轻量级卷积神经网络相结合,扩大MDA-Net感受野,提高了对图像复杂区域和边缘区域的特征提取能力.MDA-Net在不同数据集上进行了实验,二分类任务和三分类任务分别能取得99.25%和99.39%的平均准确率,表现出良好的分类性能.
COVID-19 image classification based on multi-channel dual attention networks

朱玲、王明辉

展开 >

青岛科技大学 数理学院,山东 青岛 266061

COVID-19 深度迁移学习 多通道双注意力 卷积神经网络

国家自然科学基金

11771188

2023

10.3969/j.issn.1674-8425(z).2023.06.026

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(11)
  • 8