一种基于改进EfficientNet网络的气胸诊断方法.pdfVIP

◎三星推荐CHINASCIENCEANDTECHNOLOGYINFORMATIONJan.2025

中国科技信息2025年第2期�

一种基于改进EfficientNet网络的气胸诊断方法

彭 胜 曾志高 易胜秋 袁鑫攀

气胸是最常见的胸腔疾病之一，是由于肺部和胸壁之

间的胸膜空间中空气过多而发生的。气胸可能由各种原因引

可实现度可替代度

起，如胸部创伤或冲击、吸烟、肺部疾病或障碍等。严重或

大程度的气胸可能会危及生命，导致呼吸困难、休克甚至死

亡。大气胸被归类为一种危重异常，需要立即医疗来去除多

余的空气。如果未能及时发现并治疗，这种情况可能是致命

的。医疗专业人员通过定量分析胸部影像来诊断肺部疾病。

影响力真实度然而，由于等待处理的病例较多，及时评估此类疾病可能会

很复杂。因此，迫切需要一种自动且高效的方法，提高X光

片气胸诊断的可靠性和速度。近年来，深度学习和大数据技

行业关联度开放度术的进步，极大地帮助了从事医学影像分析的研究人员，并

可以协助放射科医生在解释影像时识别和量化肺部疾病。针

对气胸诊断问题，放射科医生通常根据胸部X光检查结果确

生态度创新度

定气胸；然而，胸部X光由于其低分辨率和有限的对比度，

分析起来非常具有挑战性，即使是经验丰富的放射科医生也

需要仔细调整图像显示设置，以做出正确的疾病诊断，所以

在某些情况下诊断可能难以确定。EfficientNet是一个新的

互交度持续度卷积神经网络，与之前的卷积神经网络相比，该网络通过设

行业曲线

置固定比例缩放系数来均匀缩放网络的深度、宽度和分辨

率，拥有高参数效率和速度。在各种治疗背景下，我们提出

了一种气胸诊断算法，该算法结合了CA注意力机制和改进

的EfficientNet网络，将网络与CBAM模块融合，改进的

网络模型将注意力更多地引向微妙特征。我们提出的方法不

彭胜曾志高易胜秋袁鑫攀仅提高了准确性，而且还减少了模型参数的数量，为气胸诊

湖南工业大学