换一批摘要提出了一种卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short Term Memory,LSTM)级联的阿尔兹海默病(AD)的诊断模型,先用CNN提取图像的深层特征,再用LSTM对序列特征进行分类,这样将 3D的核磁共振成像(MRI)图像视为2D图像的序列,考虑了切片序列间的关联信息.为了提高模型在小样本数据上的性能表现,采用知识蒸馏算法训练轻量级的学生模型,同时引入师生间的注意力机制提高模型分类的准确率.实验表明,该诊断模型在ADNI(Alzheimer's Disease Neuroimaging Initiative)数据集上取得了良好的性能.
更多相关知识
关键词
阿尔兹海默病小样本深度学习知识蒸馏注意力机制Alzheimer's diseasesmall sampledeep learningknowledge distillationattention mechanism
分类号
R445.2（诊断学）
栏目名称
DOI
10.14135/j.cnki.1006-3080.20220303001
发布时间
2023-09-05（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市科技创新行动计划（19511121203）
- 浏览1
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
