融合注意力机制的3DV-Net肺结节检测

摘要

肺结节在肺癌的早期诊断和治疗中起着重要作用。针对目前的肺结节检测算法存在的漏检误检问题，提出一种融合注意力机制的3DV-Net模型用于肺结节的检测。首先，构建了3DV-Net模型用于肺结节的基础检测，保证了肺结节的检测准确率。其次，综合考虑通道和空间信息的CBAM(convolutional block attention module, CBAM)注意力机制来增强生成图像的特征，从而提升模型性能。最后，使用公开数据集LUNA16训练和评估模型。实验结果显示，所提出的融合注意力机制3DV-Net模型提升了肺结节检测性能，预测结果与真实标签的交并比达到了84.88%,Dice损失达到-90.43%,验证了模型的可行性和检测的准确性。

关键词

肺结节检测 / 深度学习 / 医学图像处理 / 3DV-Net网络 / 注意力机制