多尺度注意力残差网络

支气管镜诊断准确率超97%

该网络通过多尺度卷积块注意力模块精准聚焦病灶区域，并利用Grad-CAM增强诊断结果的可解释性，性能与资深医师相当且效率更高。

Sun, Weiling · 闫鹏飞 · Li, Minglei · Li, Xiang · 蒋宇辰 · 罗浩 · 赵炎斌

Journal of Advanced Research 2024

参数信息

准确率

97.76 %

AUC

99.79 %

准确率

92.26 %

准确率

93.10 %

技术优势

准确率超资深医生

模型在正常与病变二分类上准确率达到97.76%，与资深医师水平相当，同时效率大幅提升。

自动锁定病灶区域

多尺度卷积块注意力模块通过增强空间和通道特征，实现对病灶区域的精准聚焦，提升诊断性能。

诊断过程能解释

结合Grad-CAM生成类激活图，展示模型关注的区域，帮助医生理解诊断依据。

应用场景

• 呼吸内镜智能诊断：直接对支气管镜图像进行分类，辅助医生判断病变性质，缩短诊断时间。
• 医学图像分析：自动分析医学图像中的病灶区域，提高分析效率和准确性。
• 医学影像AI辅助诊断：为医生提供可靠的辅助诊断结果，尤其帮助经验不足的医师提升诊断水平。