标题：基于改进ResNet50的甲状腺结节良恶性分类研究
作者：袁斌 孙作正 肖应震
作者单位：西安工程大学电子信息学院，陕西 西安 710048
关键字：深度学习；甲状腺结节；超声成像；注意力机制
摘要：针对甲状腺超声图像中背景信息复杂，结节尺度多变，噪声较多导致难以提供准确判断等问题，提出了一种改进ResNet50的分类模型。引入ASPP（Atrous Spatial Pyramid Pooling）空洞卷积模块在多个尺度上进行池化，增强网络特征表达能力，帮助模型更好地区分少数类；为了更好地关注超声图像中的重要区域，引入代理注意力机制（Agent Attention）自适应加权调整网络的关注焦点，使网络自动聚焦在结节区域，减少噪声的影响；使用迁移学习方法，提高了模型的泛化能力和训练效率。实验结果表明，改进的ResNet50网络模型对甲状腺超声良恶性分类效果表现优异，与其他主流卷积网络相比，平均准确率明显提升，较基线网络ResNet50提高了5%的准确率，也有效地提高了对甲状腺结节良恶性的分类精度。