典型文献
基于残差自注意力机制的阿尔茨海默症分类
文献摘要：
针对基于磁共振成像(magnetic resonance imaging,MRI)切片的阿尔茨海默症(Alzheimer's dis-ease,AD)诊断研究方法存在切片划分权重分配不当,导致模型弱化核心切片区间,降低核心区间特征信息比重等问题.本研究提出一种基于残差自注意力机制框架以实现AD的准确分类,模型包括残差模块和自注意力机制.残差模块用于学习并提取每张图像的特征信息;自注意力机制用于学习切片间的特征信息,动态分配切片权重,增强核心分类区间比重,最终集成所有权重结果进行AD分类.经验证,本研究算法在AD和健康对照分类中的准确率(ACC)、召回率(REC)和均衡平均数(F1-Score)相较于基准方法分别提高了2.4％、4.3％、1.4％.该方法可精确、高效地区分阿尔茨海默症和健康对照组的MRI图像,能够有效地辅助医生实现AD的准确诊断.
文献关键词：
阿尔茨海默症;分类;结构性磁共振成像;残差神经网络;自注意力机制;自适应梯度裁剪
中图分类号：
作者姓名：
卢星进;王书卜;肖磊;高礼彬;李瑞;胡众义
作者机构：
温州大学 计算机与人工智能学院,温州325035;温州市智能影像处理与分析重点实验室,温州325035;上海东方医院,上海200120
文献出处：
引用格式：
[1]卢星进;王书卜;肖磊;高礼彬;李瑞;胡众义-.基于残差自注意力机制的阿尔茨海默症分类)[J].生物医学工程研究,2022(04):359-364
A类：
自适应梯度裁剪
B类：
自注意力机制,阿尔茨海默症,magnetic,resonance,imaging,Alzheimer,dis,ease,AD,诊断研究,片划分,分权,权重分配,心切,片区,核心区,特征信息,机制框架,残差模块,每张,动态分配,配切,所有权,ACC,召回率,REC,衡平,平均数,Score,基准方法,结构性磁共振成像,残差神经网络
AB值：
0.334071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
