基于有效通道注意力EfficientNet的肝硬化识别

打开文本图片集

摘要：针对传统卷积神经网络模型复杂度高、参数量大，网络分类的精度和效率不佳等问题，提出一种应用于医学超声图像中肝硬化识别的深度学习方法（E-EfficientNet）。在EfficientNet网络模型中，将模块MBConv中的注意力机制SENet模块替换为一种不降维的ECANet模块，避免降维操作导致的特征信息缺失，增强通道学习能力并降低模型复杂度；将可变形卷积融入EfficientNet网络，利用可变形卷积核能够依据目标形态自适应调整变化的特点，充分学习图像细节，提升算法的泛化能力和特征提取能力；对有限样本进行数据增强，避免训练过程中出现过拟合，并使用Leaky ReLU作为激活函数保留图像负值特征信息，提高对肝硬化的识别效果。（剩余10395字）