改进残差网络的医学X射线影像分类与加密传输系统

随着X射线影像在医疗诊断领域的快速发展,在大量胸腔X射线影像产出的情况下,医生根据经验进行人为判断分析的方式已不能满足诊断效率与准确率的需求,高效率、高准确率处理批量X射线影像分类的问题亟待解决;通过改进残差网络对胸腔X射线影像进行分类,并设计一种加密传输系统,可有效解决上述问题;利用对X射线影像进行基于马尔可夫随机场的图像增强,再采用深层信息挖掘能力较强的ResNet50作为主干网络,增加自注意力机制并采用CELU激活函数优化;经Kaggle整合数据集实验测试结果表明,在保证分类准确性的前提下,分类的召回率从0.432提升到0.652;同时,系统采用基于Logistic混沌序列的图像加密算法,保证了远程医疗诊断的私密性,满足实际远程医疗场景的应用需求。

改进双重注意力机制结合ResNet50的遥感图像分类

针对遥感图像类内差异性大、类间相似性高引起遥感图像分类不准确问题,该文提出了一种基于残差网络50(ResNet50)结合改进双重注意力机制方法。该方法先对双重注意力机制进行改进;然后对ResNet50结构进行调整;再将改进的双重注意力机制结合调整后的ResNet50在常用基准航空影像数据上进行实验,并与ResNet50进行对比实验。最后,通过ResNet50、ResNet50+Attention、调整ResNet50+Attention、该文模型进行消融实验,验证该文提出方法的有效性。实验结果表明,该文提出的方法与ResNet50相比,在分类精度上和召回率上分别提高了3.83%和4.02%。