CSA-Net: 道和基于空间注意力的网络用于乳房影像和超声波图像分类
Osama Bin Naeem1,2, Yasir Saleem2
1Department of Electrical Engineering, University of Engineering and Technology, Lahore-Narowal Campus, Narowal 51600, Pakistan.
Journal of imaging
|October 25, 2024
概括
这项研究引入了用于乳腺癌分类的先进计算机辅助诊断模型,在乳房影像和交叉模式超声波图像上实现了高精度. 该模型将EfficientNet-B0与注意力机制集成在一起,优于现有方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌仍然是一个重大的全球健康挑战,需要改进诊断工具.
- 准确和早期检测对于提高患者生存率至关重要.
研究的目的:
- 开发和评估用于乳腺癌分类的计算机辅助诊断 (CAD) 系统.
- 调查注意力机制在提高CAD模型性能方面的有效性.
- 评估模型在不同成像模式中的多功能性.
主要方法:
- 使用预训练的 EfficientNet-B0 架构.
- 将通道和空间注意力机制纳入模型.
- 评估了对乳房扫描和超声波乳腺损伤数据集的模型.
主要成果:
- 在乳房图片上的二进制分类中获得了99.9%的准确性.
- 实现了跨模式多类分类的92.3%准确性.
- 通过注意力机制表现出显著的性能改善.
结论:
- 建议使用注意力机制的CAD模型显示了乳腺癌分类的卓越性能.
- 该模型在乳房影像和超声波成像中表现出强度和多功能性.
- 这种方法比目前最先进的方法提供了有前途的进步.
