基于注意力机制与多任务的肺部疾病诊断方法.pdfVIP

研究论文第51卷第1期/2025年1月/计算机工程

基于注意力机制与多任务的肺部疾病诊断方法

刘兆伟，方艳红，郑明宇，锁斌

（西南科技大学信息工程学院，四川绵阳621010）

摘要：肺部疾病存在种类多、病灶区域小的特点，现有数据集也存在数据量小的问题，导致模型效果不理想，

为提高诊断效果，提出一种基于多任务联合注意力机制的肺部诊断网络（ASNet)。基于U-Net构建多任务诊断

网络，在原有病灶分割任务基础上加人病理分类任务，加强任务之间的联系，以分割任务为辅，提升分类任务准确

率；提出多尺度挤压激励模块，加强空间和通道之间的信息融合；引人一种轴向注意力机制，强调全局上下文信息

和位置信息缓解由于医疗数据匮乏引起的欠拟合问题；设计自适应多任务混合损失函数，实现分割和分类任务损

失权重的均衡。在自建数据集上的实验结果表明，提出网络在病灶分割任务上的Dice系数、特异性（SP）、灵敏度

(SE）、HD距离和准确率的平均结果分别为81.1%、99.0%、84.1%、24.6mm和97.5%，优于SAUNet十十、

SwinUnet等其他先进分割网络；在病理分类任务上比MobileNetV2网络在精确率、召回率和准确率指标上分别

提升了2.0、1.8和1.7百分点，明显提升了在分类和分割上的精度，对小目标病灶分割效果更佳，其在合理的参

数量下更适用于协助肺部疾病诊断。

关键词：深度学习；信息融合；疾病诊断；多任务联合学习；注意力机制；医学图像分割

中图分类号：TP391文献标志码：AD0I:10.19678/j.issn.1000-3428.0068786

LungDiseaseDiagnosisMethodBasedonAttentionMechanismandMulti-tasking

LIUZhaowei,FANGYanhong,ZHENGMingyu,SUOBin

(CollegeofInformationScienceandEngineering,SouthwestUniversityofScienceandTechnology,Mianyang621010,Sichuan,China)

[Abstract]Therearemanytypesoflungdiseasesandsmalllesionareas.Furthermore,existingdatasetshave

limiteddatavolumes,resultinginunsatisfactorymodelresults.Toimprovethediagnosticeffect,alungdiagnosis

Network(ASNet)basedonmultitaskjointattentionisproposed.Amultitaskdiagnosticnetworkisconstructed

usingU-Net,withpathologicalclassificationtasksintegratedintotheoriginallesionsegmentationtasks.This

integrationstrengthenstheconnectionbetweentasks,allowingforsupplementationviasegmentationtasksand

improvingtheaccuracyofclassificationtasks.Amultiscalesqueezeexcitationmoduleisproposedtoenhancespatial

andinformationfusionbetweenchannels,alongwithanaxialattentionmechanismtoemphasizeglobalcontextand

locationinformation.Thisapproa