基于通道注意力與空洞卷積的胸片肺氣腫檢測算法

李 策, 許大有, 靳山崗, 高偉哲, 陳曉雷

(蘭州理工大學 電氣工程與信息工程學院, 甘肅 蘭州 730050)

受吸煙人數上升及空氣質量較差等問題的影響，肺氣腫的發病率逐年增加，且逐漸呈現低齡化趨勢，肺氣腫已成為醫護工作者臨床診斷的重點疾病之一.肺氣腫患者如不能及時診斷并采取相應治療措施，容易導致肺功能急劇下降，甚至在病變不斷積累后引起自發性氣胸、慢性肺源性心臟病、呼吸衰竭等并發癥，嚴重影響個人正常的工作和生活.由于我國醫療資源嚴重不足，計算機輔助診斷技術[1](computer aided diagnosis,CAD)在臨床醫療診斷過程中具有巨大的實際應用價值，使用肺氣腫檢測算法不僅可以幫助醫生對就診者是否患有肺氣腫及其發病位置做出更準確判斷，還能夠極大程度上減輕醫生重復性工作的負擔，使其能夠投入到需要專業技能排查的病患問題當中，從而提高有限醫療資源的利用率，使更多的患者享受到更優質的醫療資源.

傳統的肺氣腫等病灶檢測算法主要通過提取圖像的梯度方向直方圖(histogram of oriented gradient,HOG)、尺度不變特征變換(scale-invariant feature transform,SIFT)等特征，實現對部分肺部病灶的檢測.2011年，Cao等[2]利用支持向量機(support vector machine,SVM)實現對肺氣腫圖像的分類.2012年，Ren等[3]通過提取肺結節的三維特征，實現了對肺結節的二分類診斷.傳統的機器學習算法雖然實現簡單，計算量較少，且在部分數據集中具有良好的檢測效果，但其提取的特征對目標的表征缺乏完備性，因而普遍存在檢測精度不高、模……