多尺度信息提取融合的尘肺病X射线图像分期方法

摘要

在尘肺病诊断过程中，X射线影像的低清晰度和病灶的轻薄弥漫性常导致人工阅片分级困难.为提升诊断分级准确性，提出了一种分割分类级联式的多尺度信息提取及跨尺度融合的尘肺病分期分类诊断模型.首先利用含有自适应卷积核模块的非对称编解码网络分割肺野，再将肺野输入到分期网络中，分期网络利用Res2Net提取5个不同层次特征，每层采用(Inception Dilation-Gated, IDG)模块捕捉病灶特征，并进行跨层级信息融合，最后，引入多尺度注意力机制，使模型能够更加聚焦于关键病灶区域，减少背景噪声干扰，提升分类性能.该模型在收集到的尘肺病数据集上测试，与基线模型相比，准确率提升了3.98个百分点，敏感度提升了5.54个百分点，F1分数提升了7个百分点，表明相比其他分类模型具有更好的分类性能.

关键词

医学图像 / 多尺度信息提取 / 注意力机制 / 跨尺度特征融合 / CNN

基金资助

国家自然科学基金项目(U21A20469,62376183)资助; 国家卫生健康委尘肺病重点实验室开放课题项目(YKFKT004)资助; 中央引导地方科技发展基金项目(YDZJSX2022C004)资助; 山西省科技创新人才团队专项项目(202304051001009)资助