基于深度学习的儿童胸片评估方法、装置、设备及介质
本发明公开了一种基于深度学习的儿童胸片评估方法、装置、设备及介质,基于深度学习的儿童胸片评估方法包括:将预先收集的儿童胸部X线图像分为训练集、内部验证集和外部验证集,构建U‑Net分割模型,并通过U‑Net分割模型对训练集进行区域分割,构建DenseNet_ECA模型,DenseNet_ECA模型的核心架构由四个ECA_Block模块构成,ECA_Block模块集成密集连接和高效通道注意力机制,两个ECA_Block模块之间通过Transition模块进行特征降维和空间下采样,将处理后的训练集、内部验证集和外部验证集输入DenseNet_ECA模型完成模型训练,将待检测X线图像输入U‑Net分割模型进行区域分割,并将分割后的待检测X线图像输入DenseNet_ECA模型进行评估,得到图像评估结果。本发明能够提高对儿童胸部图像的准确度。