FA-Net:一种用于胸片肺炎检测的模糊注意力辅助深度神经网络
图像与视频处理
2024-06-24 v1 人工智能
计算机视觉与模式识别
摘要
肺炎是一种由细菌、真菌或病毒引起的呼吸道感染,影响着许多人,尤其是在污染严重、卫生条件差、人口密集且医疗基础设施不足的发展中或不发达国家。肺炎可导致胸腔积液,即液体充满肺部,引起呼吸困难。早期诊断对于确保有效治疗和提高生存率至关重要。胸部X光成像是诊断肺炎最常用的方法。然而,胸部X光片的视觉检查可能困难且具有主观性。在本研究中,我们开发了一种用于胸部X光图像肺炎自动检测的计算机辅助诊断系统。我们分别使用DenseNet-121和ResNet50作为二分类(肺炎和正常)和多分类(细菌性肺炎、病毒性肺炎和正常)任务的主干网络。我们还实现了一种模糊通道选择性空间注意力机制,称为模糊通道选择性空间注意力模块(FCSSAM),用于突出相关通道的特定空间区域,同时抑制主干网络提取特征中的无关通道。我们在公开的胸部X光数据集上,使用二分类和多分类设置评估了所提出的方法。我们的方法在二分类和多分类设置中分别达到了97.15%和79.79%的准确率。所提出方法的结果优于现有最先进(SOTA)方法。所提出模型的代码将在以下网址提供:https://github.com/Soham2004/FA-Net。
关键词
引用
@article{arxiv.2406.15117,
title = {FA-Net: A Fuzzy Attention-aided Deep Neural Network for Pneumonia Detection in Chest X-Rays},
author = {Ayush Roy and Anurag Bhattacharjee and Diego Oliva and Oscar Ramos-Soto and Francisco J. Alvarez-Padilla and Ram Sarkar},
journal= {arXiv preprint arXiv:2406.15117},
year = {2024}
}