计算机应用

作者：谢新林, 肖毅, 续欣莹

单位：1.太原科技大学 电子信息工程学院, 太原 030024；2.先进控制与装备智能化山西省重点实验室(太原科技大学), 太原 030024；3.太原理工大学 电气与动力工程学院, 太原 030024

关键词：肺结节分类,神经网络架构搜索,注意力模块,多模型融合,深度学习

基金：国家自然科学基金资助项目(62006169);山西省自然科学基金资助项目(201901D211304)

肺结节分类是早期肺癌诊断的重要任务。基于深度学习的肺结节分类方法虽然能够取得良好的分类精度，但存在模型复杂和可解释性差的问题。为此，提出了一种基于神经网络架构搜索的肺结节分类算法。首先，将注意力残差卷积cell作为搜索空间的基本单元，并使用偏序剪枝方法作为搜索策略来构建神经网络架构以搜索3D分类网络，从而达到网络性能和搜索速度的平衡。其次，在网络中构建了多尺度通道和空间注意力模块来提高特征描述和类别推理的可解释性。最后，采用堆叠法将搜索到的网络架构进行多模型的融合，从而获取精准的肺结节良恶性分类预测结果。实验结果表明，在肺结节分类常用数据集LIDC-IDRI上，所提算法与最新肺结节分类算法相比具有较好的分类性能和较快的收敛，且所提算法的特异性和精确率分别达到95.37%和93.42%，能够实现良恶性肺结节的准确分类。

来源：2022年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第5期