来源：期刊VIP网 时间：
作者：热娜古丽·艾合麦提尼亚孜;米吾尔依提·海拉提;王正业;茹仙古丽·艾尔西丁;严传波;
单位：新疆医科大学公共卫生学院;新疆医科大学基础医学院;新疆医科大学医学工程技术学院;
摘要：肝包虫病是严重危害人畜健康的重要人畜共患寄生虫病，超声检查是肝包虫病的首选检查方法，采用深度学习技术能够有效减少人工误差，降低成本并提高诊断效率。以ConvNeXt模型为基础，结合焦点损失函数和Lion优化器，最后引入CBAM构建CLCFNet模型实现肝囊型包虫病早期筛查和精确诊断。在肝囊型包虫病超声影像数据集进行的消融实验表明，对比基准模型分类准确率、精确率、召回率、特异度和F1指数平均提升了4.3%、21%、25%、4%和26%，对比实验也验证了所提出方法各指标优于现有流行方法。改进算法显著降低了模型推理时间，增强了模型训练的稳态性能，可以实现肝囊型包虫病的快速和精准分类识别。
关键词：肝囊型包虫病;;超声图像;;ConvNeXt;;焦点损失函数;;Lion优化器;;注意力机制
基金资助：国家自然科学基金项目（地区项目）：新疆高发病肝包虫疾病计算机辅助诊断方法的研究（81560294）;; 省部共建中亚高发病成因与防治国家重点实验室开放课题（SKLHIDCA-2020-YG2）
