科研之友
微信
新浪微博
Facebook
分享链接
摘要
肺部医疗图像识别对于新冠肺炎及其他肺部疾病的检测与诊断具有重要意义。传统的肺部医疗图像识别方法存在诸多问题，如特征提取困难、分类性能不高等。文章提出了一种基于高效金字塔分割网络（EPSANet）的肺部医疗图像识别分类方法，利用深度学习技术自动从原始影像中学习抽象和高层次的特征，并利用金字塔分割注意力模块（PSA）实现多尺度通道注意力机制，弥补了传统方法的不足。为了验证方法的有效性，文章在两个数据集上进行了实验，与其他方法进行了对比，结果表明，该文方法在分类准确率、网络复杂度上都有优势。基于此，文章为肺部医疗图像分类提供了一种新的深度学习技术方案。
- 出版日期2023
- 单位哈尔滨师范大学
