基于混合双注意力金字塔深度卷积网络的肝癌检测方法研究

《Scientific Reports》：Hybrid dual attentional-based pyramidal deep learning model for liver tumor detection

　　

摘要

肝癌是一种危及生命的疾病，由肝细胞的快速生长引起，甚至可能导致慢性病变。然而，传统的肝癌检测方法面临着鲁棒性差、难以识别复杂边界以及分割不一致等局限性。因此，本研究提出了一种混合双注意力金字塔深度卷积网络与深度信念网络（HDPCBN），以实现准确的肝癌检测。重要的是，HDPCBN方法采用了金字塔架构，以有效学习肿瘤的深层层次特征和复杂模式。此外，双注意力技术的融合能够捕捉空间和通道维度上的长程关系，以实现准确的肝癌检测。此外，HDPCBN模型从图像中学习局部模式和边缘，从而实现精确的肿瘤检测。混合深度流特征（HDF2）提取能够获取肿瘤的判别性特征和纹理特征，显著降低训练复杂度并实现准确的肿瘤检测。实验结果表明，HDPCBN框架获得了卓越的性能，其特异性为93.77%，准确率为96.52%，敏感性为97.89%，平衡准确率为95.83%，宏F1得分为96.67%，同时优于其他先进方法。