残差通道注意力模块结合改进ResNet50的CT肺结节良恶性分类研究
刘晨琪1
杨愉1
石婷2
1.上海理工大学 健康科学与工程学院,上海 2000932.上海静安区中心医院,上海 200040
摘要：为提高肺结节良恶性分类的准确率,本研究提出了一种改进的残差网络模型LNC-Net.首先,级联小卷积核替代大卷积核,提升计算效率;其次,重构ResNet50 的输入主干及残差模块,利用全局平均池化层替换ResNet50 的输出部分,提升网络的特征学习能力,减少模型参数;最后,通过融合残差通道注意力模块(RCAM)及感受野模块(RFB-s),加强网络的特征提取能力.在LIDC数据集上的实验显示,模型的准确率、精确率、召回率、F1 分数和AUC分别达 0.983、0.984、0.987、0.985 和0.999.该模型可有效实现肺结节良恶性的辅助诊断.
关键词：改进残差网络肺结节分类模型压缩残差通道注意力模块感受野模块
分类号：R318(医用一般科学)
论文发表日期：2025-12-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 379-386 )
英文信息