文档名：基于多通道双注意力网络的COVID19图像分类
摘要：针对逆转录聚合酶链反应对新冠肺炎(COVID-19)的检测存在一定的假阴性率、消耗时间过长等问题,提出了一种基于深度迁移学习的多通道双注意力网络(MDA-Net)对肺部图像进行检测.在深度迁移学习的框架下,引入了多通道双注意力模块,利用多个通道的位置关系,融合不同尺度的图像特征.将注意力机制和轻量级卷积神经网络相结合,扩大MDA-Net感受野,提高了对图像复杂区域和边缘区域的特征提取能力.MDA-Net在不同数据集上进行了实验,二分类任务和三分类任务分别能取得99.25%和99.39%的平均准确率,表现出良好的分类性能.
作者：朱玲 王明辉Author：ZHULing WANGMinghui
作者单位：青岛科技大学数理学院,山东青岛266061
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(11)
分类号：TP391
关键词：COVID-19 深度迁移学习 多通道双注意力 卷积神经网络
机标分类号：TP391.41TN957.52TP751
在线出版日期：2023年7月18日
基金项目：国家自然科学基金基于多通道双注意力网络的COVID-19图像分类[
期刊论文] 重庆理工大学学报--2023, 37(11)朱玲 王明辉针对逆转录聚合酶链反应对新冠肺炎(COVID-19)的检测存在一定的假阴性率、消耗时间过长等问题,提出了一种基于深度迁移学习的多通道双注意力网络(MDA-Net)对肺部图像进行检测.在深度迁移学习的框架下,引入了多通道双注意...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多通道双注意力网络的COVID-19图像分类 COVID-19 image classification based on multi-channel dual attention networks
基于多通道双注意力网络的COVID-19图像分类.pdf
- 文件大小:
- 6.11 MB
- 下载次数:
- 60
-
高速下载
|
