A radiografia desempenha um papel importante no diagnóstico da pneumonia, mas sua formação é facilmente contaminada por ruído, resultando em características radiológicas da pneumonia pouco evidentes e extração insuficiente das características das lesões. Para resolver esses problemas, é proposto um modelo de diagnóstico assistido para pneumonia baseado na rede de foco denso de fluxo duplo DDSF-Net. Primeiramente, um bloco residual multi-escala foi projetado, utilizando uma estratégia multi-escala para melhorar a adaptabilidade da rede a lesões de pneumonia de diferentes tamanhos em imagens médicas, e conexões residuais foram adotadas para melhorar a eficiência na passagem dos parâmetros da rede; em seguida, um bloco denso de fluxo duplo foi projetado, adotando uma unidade densa com estrutura paralela dos fluxos de informação global e local, onde o Transformer aprende informações semânticas contextuais globais, as camadas convolucionais extraem características locais, e conexões densas realizam a fusão profunda e superficial dos dois tipos de fluxo de informação; por fim, um bloco de foco com operações de atenção central e interpolação adjacente foi projetado, utilizando o recorte do tamanho das imagens médicas para filtrar o ruído de fundo e interpolação para ampliar as imagens médicas, reforçando as características detalhadas das lesões. Em comparação com modelos típicos no conjunto de dados de radiografias de pneumonia, a acurácia, precisão, recall, F1, valor de AUC e tempo de treinamento do modelo proposto foram respectivamente 98,12%, 98,83%, 99,29%, 98,71%, 97,71% e 15.729 s, com melhorias de 4,89% e 4,69% na acurácia e valor AUC em relação às redes densas. DDSF-Net pode aliviar efetivamente o problema das características radiológicas pouco evidentes da pneumonia e a extração insuficiente das características das lesões, e sua eficácia e robustez foram ainda verificadas por mapas de calor e três conjuntos de dados públicos.

Processamento de imagens médicas;Radiografia de pneumonia;Rede densa;Bloco residual multi-escala;Fluxos de informação global e local;Bloco de foco