基于有效通道注意力EfficientNet的肝硬化識別

打開文本圖片集

摘要：針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型復(fù)雜度高、參數(shù)量大，網(wǎng)絡(luò)分類的精度和效率不佳等問題，提出一種應(yīng)用于醫(yī)學(xué)超聲圖像中肝硬化識別的深度學(xué)習(xí)方法（E-EfficientNet）。在EfficientNet網(wǎng)絡(luò)模型中，將模塊MBConv中的注意力機制SENet模塊替換為一種不降維的ECANet模塊，避免降維操作導(dǎo)致的特征信息缺失，增強通道學(xué)習(xí)能力并降低模型復(fù)雜度；將可變形卷積融入EfficientNet網(wǎng)絡(luò)，利用可變形卷積核能夠依據(jù)目標(biāo)形態(tài)自適應(yīng)調(diào)整變化的特點，充分學(xué)習(xí)圖像細(xì)節(jié)，提升算法的泛化能力和特征提取能力；對有限樣本進(jìn)行數(shù)據(jù)增強，避免訓(xùn)練過程中出現(xiàn)過擬合，并使用Leaky ReLU作為激活函數(shù)保留圖像負(fù)值特征信息，提高對肝硬化的識別效果。（剩余10395字）