肺结核病是世界上死亡率最高的传染病之一,早期的发现和诊断是治疗结核病的关键步骤。为了使快速准确的自动诊断成为可能,大量研究人员致力于开发智能化的计算机辅助检测系统帮助医生进行胸部X光片对肺结核病的诊断工作。这深度学习中的注意力机制仿照人类获取信息的原理,对无关信息进行了过滤,能够很好地提升网络的性能。本文针对胸部X光片,提出了改进的深度卷积神经网络,引入了注意力机制并研究了肺结核病的病灶检测及分类算法。主要工作如下:(1)收集了来自吉林、广州以及上海三家不同医院门诊的4990张胸部正位X光片肺结核数据集,其中不包含疾病的健康对照者图像有1500张,感染肺结核病的图像有2506张,非肺结核但可能患有其他肺部疾病的图像有984张。预处理时进行图像通道改变、医学图像的格式转换等操作以适应后续运算的输入要求,最后采用双线性插值算法统一图像尺寸,以方便实验和对照。(2)对CNN的结构、注意力机制的原理以及基准网络ResNet进行了研究,针对肺结核检测任务,构建了一种基于注意力机制的深度学习卷积神经网络模型,并对注意力模块进行改进,使得模块能够很好地融合空间和通道间的特征。(3)将基于注意力机制的深度残差卷积神经网络应用于肺结核分类问题上,对多种类型的肺结核病灶都能表现出非常优异的检测效果,只需图像级别的标签信息就能实现肺结核阳性X光图像的分类,降低了人工标注肺结核病灶区域的成本、提高了检测准确率。(4)利用注意力机制定位肺结核病灶区域,生成可视化的显著性激活图和热力图,验证了注意力机制在肺结核检测任务上的有效性,它能够很好地抑制无用信息对分类结果的干扰,提高了自动分类效果。本文改进了深度残差卷积神经网络,引入了有效的注意力机制,实现了胸部X光片肺结核的检测与分类。论文成果可以帮助降低医生的工作量,为大规模自动化筛查肺结核提供了可行的智能方案。