读：Multi-scale pulmonary nodule classification with deep feature fusion via residual network

---

前言

记录5.11读的这篇论文
之后尽量每次读论文都做一个简单的小结，每次看了就忘，感觉一点收获没有。

---

论文来源：Zhang G , Zhu D , Liu X , et al. Multi-scale pulmonary nodule classification with deep feature fusion via residual network[J]. Journal of Ambient Intelligence and Humanized Computing, 2018.
地址：https://link.springer.com/content/pdf/10.1007/s12652-018-1132-5.pdf

一、任务

肺结节恶性自动分类

二、数据集

Lung Image Database Consortium dataset

三、idea

• 多卷积过程提取多尺度特征-4种不同大小的卷积
• 残差块结构捕获更多高级和语义信息-高级特征学习
• 融合最后一个平均池化层和最后一个残差块特征-捕获全局特征和语义特征

四、网络结构

整体结构如下图

具体参数图如下

1.多卷积过程

4种感受野的卷积，（7 × 7, 14 × 14, 32 × 32, 64 × 64），stride=2

上图，提取出的4种表示
有padding，保持分辨率不变

最后将四个卷积层提取出的特征连接起来，放入最大池化层

2.残差块结构

8个残差块堆叠

3.特征融合

最后一个残差块和平均池化层连接
FC_i的层，其中i∈1,2表示，用于将指定的层扁平化（flatten），然后使用全连通层将特征维数统一到128-d。合并层（merge）添加来自FC_1和FC_2层的特征，它也与FC_1和FC_2层具有相同的维度

实验

没看

总结

多尺度卷积和融合特征的方式看能不能借鉴下