基于残差自注意力机制的阿尔茨海默症分类
卢星进1
王书卜2
肖磊1
高礼彬1
李瑞1
胡众义1
1.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3250352.上海东方医院,上海200120
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.
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
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(U1809209)浙江省自然科学基金资助项目(LD21F020001)温州市科技计划重大科技创新攻关项目(ZY2019020)
论文发表日期：2022-12-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：6( 359-364 )
英文信息