电子学报 ›› 2021, Vol. 49 ›› Issue (5): 984-991.DOI: 10.12263/DZXB.20200881

• 学术论文 • 上一篇    下一篇

基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型

乔思波1, 庞善臣1, 王敏2, 翟雪1, 于世行3, 丁桐4   

  1. 1. 中国石油大学(华东)计算机科学与技术学院, 山东青岛 266580;
    2. 中国石油大学(华东)控制科学与工程学院, 山东青岛 266580;
    3. 天津工业大学机械工程学院, 天津 300387;
    4. 山东大学软件学院, 山东济南 250101
  • 收稿日期:2020-08-13 修回日期:2020-09-25 出版日期:2021-05-25 发布日期:2021-05-25
  • 通讯作者: 庞善臣(通信作者) 男,1974年10月生,山东济宁人.现为中国石油大学(华东)计算机科学与技术学院三级教授、博士生导师,山东省泰山产业领军人才.主要从事Petri网理论、可信计算、人工智能算法、医疗图像处理等方面的研究. E-mail:pangsc@upc.edu.cn
  • 作者简介:乔思波 男,1993年7月生,山东聊城人.现为中国石油大学(华东)计算机技术与资源信息工程专业博士研究生,主要研究方向为医疗图像处理、人工智能算法及其应用. E-mail:siboqiao@qq.com;王敏 女,1994年12月生,江苏泰州人.现为中国石油大学(华东)控制科学与工程专业博士研究生.主要研究方向为图像处理;翟雪 女,1995年8月生,山东聊城人.现为中国石油大学(华东)计算机技术与资源信息工程专业博士研究生.主要研究方向为区块链、图像分析;于世行 男,1992年11月生,山东聊城人.现为天津工业大学机械工程专业博士研究生.主要研究方向为数据分析、图像处理和推荐系统;丁桐 男,1994年7月生,宁夏银川人.现为山东大学人工智能专业博士研究生.主要研究方向为人工智能算法及其应用、医疗图像处理.
  • 基金资助:
    山东省重大科技创新工程(No.2019TSLH0214);泰山产业领军人才(No.tscy20180416);国家自然科学基金(No.61873281,No.61972416)

A Convolutional Neural Network for Brain CT Image Classification Based on Residual Hybrid Attention Mechanism

QIAO Si-bo1, PANG Shan-chen1, WANG Min2, ZHAI Xue1, YU Shi-hang3, DING Tong4   

  1. 1. College of Computer Science and Technology, China University of Petroleum, Qingdao, Shandong 266580, China;
    2. College of Control Science and Engineering, China University of Petroleum, Qingdao, Shandong 266580, China;
    3. College of Mechanical Engineering, Tiangong University, Tianjin 300387, China;
    4. College of Software, Shandong University, Jinan, Shandong 250101, China
  • Received:2020-08-13 Revised:2020-09-25 Online:2021-05-25 Published:2021-05-25

摘要: 针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度.

关键词: 残差混合注意力模块, 标签平滑, 脑部CT, 卷积神经网络

Abstract: To classify three types of brain CT(computerized tomography) images in Alzheimer's disease,lesion (e.g.,brain tumor) and healthy aging,an improved ResNet-10 convolutional neural network is proposed in this papers.A residual hybrid attention module is embedded in the residual identity mapping to capture the location and content information of brain tissue in brain CT images,solving the original model to extract weak distinguish features problems.In addition,to simplify the improved model and alleviate the overfitting,several techniques such as global average pooling and Dropout are used in the model.Moreover,to have strong generalization ability in the case of limited sample quantity,tag smoothing cross-entropy loss function is adopted to train the model.Experimental results show that the improved ResNet-10 achieves 97.47% accuracy in classifying brain CT images.

Key words: residual hybrid attention module, label smoothing, brain CT, convolutional neural network

中图分类号: