基于改进MobileNetV2的中耳炎影像分类诊断模型

中耳炎诊断是有效防止耳道疾病进一步恶化的重要前提，针对现有中耳炎相关研究中存在的数据集量少、网络参数量大、模型识别精度低等问题，提出一种基于改进MobileNetV2模型的中耳炎分类方法。首先，在MobileNetV2网络的倒置残差结构中嵌入坐标注意力机制，增强网络对中耳炎影像特征细化能力；其次，设计改进注意特征融合模块替换原始特征简单相加过程，加强模型在跨通道背景下对不同尺度特征的提取能力；同时采用HardSwish激活函数替换原始ReLU6函数，提升模型鲁棒性；最后，减少模型瓶颈层通道数，简化模型结构。实验结果表明，所提出CIH-MobileNetV2模型在中耳炎数据集上的识别准确率和F1 Score达到91.05%和89.06%，相较于原始MobileNetV2模型，分别提高了2.31%和3.69%，参数量较初始模型减少了43%。与经典网络AlexNet、GoogleNet、VGG16、ResNet50、MobileNetV3、ShuffleNetV2等网络相比，有更高的识别准确率和F1值，因此，该研究所提出模型能够较好对中耳炎类型进行分类，为中耳炎诊断提供有效帮助。

中耳炎(OM)是鼓膜后方中耳腔和颞骨的气腔与咽鼓管覆盖的黏膜发生感染而导致的一种炎症[1]。

其症状包括耳剧痛、耳溢液、鼓膜穿孔、耳道化脓感染等，常见的中耳炎类型有急性中耳炎(AOM)和慢性化脓性中耳炎(CSOM)。急性中耳炎(AOM) [2]是与上呼吸道感染密切相关的炎症，临床表现为耳膜鼓包、耳道红肿、分泌物增多、耳胀。慢性化脓性中耳炎(CSOM) [3]是一种持续性、隐匿性的中耳炎症状表现，会持续2 周以上向外耳道排出分泌物，并常伴有鼓膜穿孔症状。阻塞性耳垢(EarWax)通常积聚在外耳道。一般来说，耳垢可以防止鼓膜被灰尘和其他微小粒子引发感染，但外耳道阻塞性耳垢长时间堆积后未脱落会引起耳道发炎感染，伴随疼痛、耳鸣和听力下降症状，严重时会造成继发性急性中耳炎[4]。

耳镜成像、声反射术、超声评估、鼓室测量等方式对中耳炎疾病的检测起了很大的作用[5]。临床上通常使用电子耳镜检查耳膜的状态，该设备包含小型照相机、卤素光源、低功率放大镜，以及连接到计算机实现存储图像[6]。医生通过获得的鼓膜图像进一步对患者进行评估诊断，后续诊断准确率完全依靠于医生的诊治经验， 相关研究表明， 在临床检测中， 188 名耳鼻喉科医生诊断中耳炎的准确率仅为73% [7]， 且不同医生对相同患者的诊断结果相差较大。若不及时治疗，严重时会造成面部神经麻痹、听力损失、