基于双尺度特征交互网络的CT影像分类应用

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：孔佑进;陈锘;尹冰德;李响;何昶;陈建刚

摘要：深入探讨一种基于双尺度特征交互网络的上尿路泌尿感染CT影像评估方法。对2023年12月至2024年4月复旦大学附属闵行医院收治的上尿路感染患者CT平扫数据进行回顾性分析,构建数据集,展开深度学习训练。该文提出一种基于双尺度特征交互的模型(Dual-Scale Feature Interaction Network,DFI-Net)。该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,引入特征交互机制,可以有效提高模型的特征提取和识别能力,同时以准确率、精确度、特异度等作为模型性能的评价指标,与已有的分类模型ResNet50、EfficientNet-B0、ConvNext-T、Swin-T及Vision Transformer进行了对比。此外,设计消融实验以验证特征交互模块的有效性。ResNet50、EfficientNet-B0、ConvNext-T、Vision Transformer和Swin-T的准确率分别为79.955%、78.842%、83.206%、78.485%和83.195%。DFI-Net的准确率达到85.582%,且特异度和灵敏度达到较好的平衡,分别为88.261%和85.093%。该模型能够有效增强对上尿路泌尿感染CT影像的识别能力。

关键词：图像处理;卷积神经网络;注意力机制;特征交互;泌尿感染