基于双路径多层混合网络的肺纤维化病灶区域分类方法
苏树智1
尹欣乐2
郑雪佳3
戴勇4
1.安徽理工大学 第一附属医院,安徽 淮南 232001;安徽理工大学 合肥综合性国家科学中心大健康研究院职业医学与健康联合研究中心,安徽 淮南 2320012.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320013.安徽理工大学 第一附属医院,安徽 淮南 2320014.安徽理工大学 医学院,安徽 淮南 232001
摘要：针对计算机断层扫描(computed tomography,CT)图像中由肺纤维化病灶结构复杂性与形态异质性导致的诊断难题,提出了基于双路径多层混合网络(dual pathway multi-level hybrid network,DMH-Net)的肺纤维化病灶区域分类方法.首先,设计纹理特征增强模块用于量化病灶微纹理的密度梯度分布,使用校准机制优化视觉变换器(vision transformer,ViT)对形态特征的建模效能;其次,构建基于类曼巴线性注意力(mamba-like linear attention,MLLA)与动态双曲正切激活的动态曼巴变换器(dynamic mamba transformer,DMTransformer)编码器,实现了像素级病灶边界定位;最后,构建全局-局部串联双路径的信息交互方法,实现了宏观形态特征与微观纹理特征的耦合表达.结果表明,DMH-Net模型的准确率比ViT模型提高了 16.87%.该研究为肺纤维化智能诊断提供了新的技术范式.
关键词：肺纤维化卷积神经网络TransformerCT图像纹理特征多尺度间质
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(52374155)安徽理工大学医学专项培育项目(YZ2023H2A007)合肥综合性国家科学中心大健康研究院职业医学与健康联合研究中心项目(OMH-2023-05)合肥综合性国家科学中心大健康研究院职业医学与健康联合研究中心项目(OMH-2023-24)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 196-201 )
英文信息