基于CSNet网络的肺炎图像分类研究

摘要

X射线图像是肺炎疾病诊断的重要影像依据。由于肺部疾病的多样性，肺炎诊断的准确率有待进一步提高。本文在ConvNeXt网络模型的基础上进行改进，提出一个新的卷积神经网络模型CSNet，用于对X射线肺炎图像进行四分类。CSNet网络模型在ConvNeXt网络模型的基础上改变了原有的图像预处理部分和池化层，在卷积块中添加了一个特征通道注意力模块，以突出特征图中的肺炎信息。在注意力模块的基础上修改激活函数并进行比较，最终选择SMU激活函数。消融实验证明各模块的有效性，并与7个网络进行对比实验证明该网络的有效性。实验结果表明，与其他网络模型相比，本文模型的准确率最高，达到99.0%，同时精确率和召回率更高。

关键词

肺炎 / 卷积神经网络 / 图像分类 / X射线图像