基于注意力机制的胸部疾病分类方法——AttCDCNet
宇宙学与河外天体物理
2026-03-12 v2
摘要
胸部 X 光片（X-ray 图像）已被证明对于诊断胸部疾病（包括肺炎、肺部浸润和新冠肺炎）非常有效。然而，依赖传统医学方法从 X 光片图像进行诊断容易导致延迟和不准确，因为评估 X 光片图像的医务人员可能持有预设偏见。为此，研究人员提出了使用基于深度学习的技术来促进诊断过程，其中最主要的方法是使用 sophisticated Convolutional Neural Networks (CNNs)。本文提出一种新型检测模型，称为 AttCDCNet，用于 X 光片图像诊断任务，通过在流行的 DenseNet121 模型中添加注意力模块来增强模型关注最相关区域的能力，使用 focal loss 作为损失函数以克服数据集不平衡问题，并利用深度可分离卷积以降低模型参数。通过广泛的实验评估，所提出的模型表现出色，优于原始 DenseNet121。该模型在 COVID-19 Radiography 数据集上实现了 94.94% 的准确率、95.14% 的精确率和 94.53% 的召回率。
引用
@article{arxiv.2410.15436,
title = {A spinodal decomposition model for the large-scale structure of the universe},
author = {Nitish Yadav},
journal= {arXiv preprint arXiv:2410.15436},
year = {2026}
}