基于XDense-RC-net的CXR图像分类算法

来源：计算机应用研究杂志2022年第12期北京时间：

作者：程文娟,于国庆,

单位：合肥工业大学计算机与信息学院,合肥230601；

摘要：卷积神经网络逐渐应用于胸部X射线（chset X-ray，CXR）图像分类领域，目前普遍使用迁移学习技术进行分类研究，但在快速构建网络时未能考虑CXR图像的特异性。针对上述问题，提出了一种新型的XDense-RC-net方法。该方法对DenseNet模型进行改进，在原密集连接层引入新提出的空间注意力机制，实现特征提取和特征融合，优化DenseNet的transition模块，同时使用两种不同的池化策略增强模型的抗扰动能力。实验使用chest X-ray14多标签14分类数据集和COVIDx单标签3分类数据集对XDense-RC-net进行验证。在多标签分类实验中，平均AUC值达到0.854，比基准方法提升了0.109。在单标签分类实验中，平均准确率达到96.75%，相较于基准方法提升了7.75%。结果显示，XDense-RC-net提升了CXR图像分类的精度，并能够泛化至多标签和单标签两种不同的分类任务中。

关键词：CXR图像,图像分类,XDense-RC-net,注意力机制,

基金资助：国家自然科学基金资助项目(62176082)；；