结合CNN和Transformer病变信号引导的蜂窝肺CT图像识别

蜂窝肺是多种肺部疾病晚期的CT影像表现,其影像特征表现为多样化的囊状病变,呈现蜂窝样外观。现有的计算机辅助诊断方法,难以有效解决蜂窝肺病灶形态不一、位置不同所导致的识别准确率不高的问题。因此,提出一种结合CNN和Transformer病变信号引导下的蜂窝肺CT影像识别模型。采用多尺度信息增强模块丰富CNN获取的不同尺度下特征的空间信息与通道信息,同时使用病变信号生成模块以强化病变特征表达;利用Transformer获取特征的长距离依赖信息以弥补CNN在提取全局信息方面的缺陷;引入多头交叉注意力机制融合特征信息获得分类结果。实验结果表明,该模型在蜂窝肺和COVID-CT数据集中分别取得了99.67%、97.08%的精确度,对比其他模型具有更加精准的识别结果,验证了模型的有效性和泛化性。