X線画像は肺炎疾患の診断において重要な役割を果たしますが、画像生成時にノイズ汚染を受けやすく、肺炎疾患の画像的特徴が不明瞭で病変特徴の抽出が不十分になる問題があります。これらの問題に対処するために、密集二重流焦点ネットワークDDSF-Netに基づく肺炎補助診断モデルを提案します。まず残差多スケールブロックを設計し、多スケール戦略を用いて医療画像中の異なるサイズの肺炎病変へのネットワークの適応性を向上させ、残差接続によりネットワークパラメータの伝達効率を高めます。次に全局情報流と局所情報流の並列構造を持つ二重流密集ブロックを設計し、Transformerが全局的文脈意味情報を学習し、畳み込み層が局所特徴を抽出し、密集接続方式により両情報流の深層および浅層特徴融合を実現します。最後に中心注意操作と隣接補間操作を備えた焦点ブロックを設計し、医療画像サイズを切り取って背景ノイズを除去し、補間により医療画像を拡大して病変の詳細特徴を強化します。肺炎X線データセットで典型的なモデルと比較した結果、本モデルの精度、適合率、再現率、F1値、AUC値および訓練時間はそれぞれ98.12%、98.83%、99.29%、98.71%、97.71%、15,729秒であり、精度およびAUC値は密集ネットワークに比べてそれぞれ4.89%および4.69%向上しました。DDSF-Netは肺炎の画像特徴の不明瞭さと病変特徴抽出の不十分さの問題を効果的に緩和でき、ヒートマップと三つの公共データセットを通じて本モデルの有効性と頑健性をさらに検証しました。

医療画像処理;肺炎X線;密集ネットワーク;残差多スケールブロック;全局および局所情報流;焦点ブロック