分享到：
杂志社编辑部
《中小学电教》刊号：CN：22-1044/G4 国际标准：ISSN：1671-7503 邮发：12-185
杂志信息
刊名： 中小学电教
主办： 吉林省电化教育馆
周期： 半月刊
ISSN： 1671-7503
CN： 22-1044/G4
信箱：dianjiaobjb@163.com
刊名： 中小学电教
Primary and Middle School Educational Technology
主管： 吉林省教育厅
主办： 吉林省电化教育馆
周期： 半月刊
出版地：吉林省长春市
语种： 中文
开本： 大16开
ISSN 1671-7503
CN 22-1044/G4
邮发代号 12-185
信箱：dianjiaobjb@163.com
曾用刊名：中小学电教杂志；
创刊年：1978
期刊影响力：
中国期刊网全文收录期刊
中国学术期刊（光盘版）全文收录期刊
中国学术期刊综合评价数据库来源期刊
全国电教一级期刊
吉林省一级期刊
联系我们
ISSN 1671-7503
CN 22-1044/G4
信箱：dianjiaobjb@163.com
电话：81924183
您的当前位置：首页 >> 优秀论文 >>优秀论文
轻量化AD-Net模型用于颅内肿瘤MRI图像的分类研究
添加时间：2026-05-22 阅读次数:101
轻量化AD-Net模型用于颅内肿瘤MRI图像的分类研究
向朝随力张昊天段梦雨刘卓睿
上海理工大学健康科学与工程学院
摘要：颅内肿瘤是一种严重的神经系统疾病，早期检测对提高患者生存率具有重要意义．然而，现有深度学习模型在颅内肿瘤图像分类任务中仍面临特征提取不足、模型复杂度较高以及类别不均衡等问题．为此，本研究提出了一种轻量化深度学习网络即自适应动态网络（AD-Net）．该网络创新性地引入动态卷积机制，自适应调整滤波器响应，从而增强了对颅内肿瘤复杂、不均特征的表征能力；结合通道注意力机制，有效聚焦关键通道信息，进一步提升了分类的准确性与模型的可解释性．此外，本研究提出了结合二分类与三分类的训练策略，显著缩短了模型训练时间，降低了对计算资源的需求，使其更适用于资源受限的医疗环境．在实验中，AD-Net在准确率、精确率、召回率、F1分数以及Kappa系数等关键评价指标上均优于现有主流深度学习模型，验证了其在颅内肿瘤分类任务中的有效性与实际应用价值．
关键词： 颅内肿瘤分类;卷积神经网络;动态卷积;通道注意力机制;轻量化模型;
向朝随力张昊天段梦雨刘卓睿
上海理工大学健康科学与工程学院
摘要：颅内肿瘤是一种严重的神经系统疾病，早期检测对提高患者生存率具有重要意义．然而，现有深度学习模型在颅内肿瘤图像分类任务中仍面临特征提取不足、模型复杂度较高以及类别不均衡等问题．为此，本研究提出了一种轻量化深度学习网络即自适应动态网络（AD-Net）．该网络创新性地引入动态卷积机制，自适应调整滤波器响应，从而增强了对颅内肿瘤复杂、不均特征的表征能力；结合通道注意力机制，有效聚焦关键通道信息，进一步提升了分类的准确性与模型的可解释性．此外，本研究提出了结合二分类与三分类的训练策略，显著缩短了模型训练时间，降低了对计算资源的需求，使其更适用于资源受限的医疗环境．在实验中，AD-Net在准确率、精确率、召回率、F1分数以及Kappa系数等关键评价指标上均优于现有主流深度学习模型，验证了其在颅内肿瘤分类任务中的有效性与实际应用价值．
关键词： 颅内肿瘤分类;卷积神经网络;动态卷积;通道注意力机制;轻量化模型;