基于改进SE-Net网络与多注意力的脑肿瘤分类方法

作者：张晓倩; 罗建^*; 杨梅; 金芊芊; 朱熹

来源：西华师范大学学报(自然科学版), 2023, 1-12.

• 脑肿瘤
• 多注意力机制
• 深度卷积神经网络
• 计算机辅助诊断系统
• 分类

由于手工筛选肿瘤图像来预测脑肿瘤类别的方法是耗时的，而将深度学习与医学图像相结合的方式，可以在一定程度上帮助医生解决这一问题，因此提出改进的SE-Net网络。首先，将Swish激活函数代替批归一化和特征融合后的ReLU激活函数，使模型更好地学习有效特征；其次，在第一层和第二层卷积层后分别添加ECA和改进的BAM注意力模块，在空间和通道两个方向并发进行特征提取，使目标特征充分被利用；最后，在SE注意力模块中添加全局最大池化，利用双通道池化层提取有效特征，抑制无效特征，提高模型准确率。在Kaggle公开的数据集中进行训练与测试，最终结果表明该方法在脑肿瘤分类测试集中准确率、召回率、精确率和F1值分别达到99.47%、99.42%、99.45%和99.43%，充分验证了改进模型的有效性。

• 出版日期2023
• 单位西华师范大学; 电子信息工程学院