一种结合三重注意力机制的双路径网络胸片疾病分类方法

来源：电子与信息学报杂志2023年第4期北京时间：

作者：李锵, 王旭, 关欣

单位：天津大学微电子学院 天津 300072

摘要：近年来，利用CNN进行医学图像处理，在胸片疾病分类任务中取得显著研究进展。然而，与单一结构CNN相比，双路径网络可结合不同CNN特点，从而提高疾病分类能力。其次，对于不同疾病，其位置、大小、形态、密度、纹理等特征均有不同，而注意力机制有助于模型提取不同病理特征，提升分类精度。因此针对胸片疾病分类问题，该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN)，TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络，并利用3种不同形式的注意力机制改进DPN，在维持参数量稳定的同时提高网络复杂度，进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验，并与目前较为先进的6种算法对比，14种疾病的平均AUC值达到0.8185，较前人提升1.1%，表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。

关键词：医学图像处理, 胸片分类, 卷积神经网络, 注意力机制

基金资助：国家自然科学基金(61471263, 61872267, 62071323)，天津市自然科学基金(16JCZDJC31100)，天津市科技计划项目(20YDTPJC01110)，天津大学自主创新基金(2021XZC-0024)