轻量化的多尺度注意力脊柱侧弯筛查方法

近年来，深度学习越来越多地应用于脊柱侧弯筛查技术研究，并且取得了突出的成效。为了解决脊柱侧弯筛查的精度和效率不高，无法满足大规模脊柱侧弯筛查需要的问题，设计了一种轻量化的多尺度注意力卷积神经网络，对ResNet50进行改进，取得了较好的筛查效果。提出了一种多尺度残差特征提取模块，使用不同大小的卷积核，提取不同尺度的信息；使用三个残差块并在残差块中使用一种混合注意力机制，关注通道和空间两方面的信息，增强特征提取能力；将普通卷积替换成一种深度混洗卷积，在精度损失不多的情况下，提高网络效率；提出了一种多层次特征融合模块，将多个层次信息进行特征融合，提取更加多样化的特征信息。实验证明，相比ResNet50总体准确率提高了11.19个百分点，测试时长减少了2 s。