TY - Jour A2 - Gómez，瑞新奥 - 琴，若昔AU - 王，Zhenzhen Au - Jiang，Lingyun Au - 乔，Kai Au - Hai - Chen，Jian Au - Xu，Junling Au - Shi -Yan，Bin Py - 2020 da - 2020/01/20 Ti - 基于多维注意力机制的PET和CT图像SP - 6153657 VL - 2020 AB - 肺癌等级最常见的癌症类型。非侵入性计算机辅助诊断可以使潜在肺癌患者大规模快速筛查。深度学习方法已经应用于过去的肺癌自动诊断。由于数据集的单个模态图像引起的限制以及缺乏允许从不同的成像模式中可靠提取细粒度特征的方法，基于非侵入性临床图像的肺癌自动诊断的研究需要进一步研究。在本文中，我们提出了一种深入的学习架构，将宠物和CT图像中的细粒度特征结合在肺癌的非侵入性诊断中。当从每个成像模态提取细粒度特征时，使用多维（关于通道以及空间尺寸）注意机构。通过定量评估指标和深度学习过程的可视化对特征融合和注意机制的两个方面进行了比较分析。在我们的实验中，我们在ROC曲线下获得了0.92（平衡精度= 0.72）的区域，并且更加集中的网络关注，其显示了从每个成像模型的细粒度特征的有效提取。SN - 1076-2787 UR - https://doi.org/10.1155/2020/6153657 do - 10.1155 / 2020/6153657 jf - 复杂性pb - hindawi kw - er -