计算机科学与探索

作者：周慧, 宋新景

单位：大连东软信息学院，计算机与软件学院，辽宁 大连 116023

关键词：脊柱病灶识别,双向特征金字塔,多注意力机制,可变卷积,多特征融合

基金：“集思融智-医工交叉”联合基金（LH-JSRZ-202203）。

人工检测脊柱病变是一项耗时的工作，并且高度依赖于该领域的专家，因此脊柱病灶的自动识别是非常必要的。然而，因为脊柱病灶的大小、位置和结构存在着广泛的差异，同时脊柱肿瘤与稀有病布鲁氏菌在影像上高度相似，所以脊柱病灶的准确定位和分类是一项具有挑战性的工作。为了应对这些挑战，提出了一种改进的脊柱病灶MRI影像识别模型。引入以ResNet-101为基础的双向特征金字塔主干网络，利用可变卷积在不同层替代传统的卷积神经网络，从特征层中获得更多的特征信息。在不同的模块中加入了多重注意力，包括自注意力机制和柔性注意力机制，有效地融合特征中贡献较大的部分。为了克服脊柱肿瘤、感染性病变、稀有病布鲁氏菌的数据不平衡问题，引入了改进的平衡交叉熵损失函数。在大连某医院提供的临床数据集上进行验证，识别精确率达到了94.2%，识别召回率达到90.8%。与其他识别模型进行对比实验，结果说明了该方法相对于其他模型识别性能更好。

来源：2026年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第1期