肺部疾病已成为危害人类身体健康的重要因素,胸部X光片是医疗实践中广泛应用的肺部疾病检测工具,在协助临床诊断中发挥着重要的作用.针对上述问题设计出一种胸部X光片疾病分类算法,应用于医疗场景下辅助医生进行诊断.研究方案在肺炎图像分类领域的权威数据集Chest X-ray 14 上进行实验,数据集涉及 14 种不同的肺部疾病标签.研究工作基于深度学习算法,使用ConvNeXt卷积神经网络为主干网络,设计了该网络的多尺度特征融合模块,以及全局上下文注意力模块,用以提高分类算法的准确性.算法的评价指标使用AUC(area under curve),其值越接近 1 则算法效果越好,仅使用ConvNeXt主干网络的AUC值为 0.836 8,加入多尺度特征融合模块的AUC值为 0.844 0,加入全局上下文注意力模块的AUC值为 0.839 9,同时加入两个模块的结果为 0.849 3.改进算法的性能优于该领域的常用算法DenseNet121(0.830 1),CheXNet(0.841 4),MXT(0.830 8),并且在 4 类病理现象的判断上取得了最优的水平.这两项改进都可提高模型性能,也可共同作用进一步提高模型分类能力.改进算法在综合能力和专项能力之间取得一个平衡,在综合分类性能优秀的同时,对于专项病症的分类能力也取得领先的成绩.
NETL
NSTL
万方数据
维普
