典型文献
LRSAR-Net语义分割模型用于新冠肺炎CT图片辅助诊断
文献摘要：
自2019年末新型冠状病毒(Covid-19)疫情在全球爆发以来,世界各国都处于疫情的危害之下.新冠病毒通过入侵人体的呼吸系统,造成肺部感染,甚至死亡.CT(Computed Tomography)图是医生对肺炎患者进行诊断的常规方法.为了提高医生对新冠感染者进行诊断的效率,该文提出一种基于低秩张量自注意力重构的语义分割网络LRSAR-Net,其中低秩张量自注意力重构模块用来获取长范围的信息.低秩张量自注意力重构模块主要包括:低秩张量生成子模块、低秩自注意力子模块、高秩张量重构子模块3个部分.低秩张量自注意力模块先生成多个低秩张量,构建低秩自注意力特征图,然后将多个低秩张量注意力特征图重构成高秩注意力特征图.自注意力模块通过计算相似度矩阵来获取长范围的语义信息.与传统的自注意力模块Non-Local相比,低秩张量自注意力重构模块计算复杂度更低,计算速度更快.最后,该文与其他优秀的语义分割模型进行了对比,体现了模型的有效性.
文献关键词：
语义分割;医疗诊断;卷积神经网络;张量重构;自注意力机制
中图分类号：
作者姓名：
张桃红;郭徐徐;张颖
作者机构：
北京科技大学计算机与通信工程学院 北京 100083;材料领域知识工程北京市重点实验室 北京 100083;华北理工大学轻工学院 唐山 064000
文献出处：
引用格式：
[1]张桃红;郭徐徐;张颖-.LRSAR-Net语义分割模型用于新冠肺炎CT图片辅助诊断)[J].电子与信息学报,2022(01):48-58
A类：
LRSAR,张量重构
B类：
Net,分割模型,辅助诊断,年末,Covid,新冠病毒,过入,人体的呼吸,呼吸系统,肺部感染,至死,Computed,Tomography,肺炎患者,常规方法,高医,新冠感染者,低秩张量,语义分割网络,子模块,自注意力模块,特征图,相似度矩阵,语义信息,Non,Local,计算复杂度,计算速度,医疗诊断,自注意力机制
AB值：
0.216396
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
