换一批基于通道注意力与图注意力网络的脑部影像分类研究
Brain image classification based on channel attention and graph attention network
摘要针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题,本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型.首先对原始DTI影像进行标准化预处理与张量拟合,获得三维FA图,随后沿轴向逐层切片,并应用双线性插值法将所有切片统一重采样到相同的大小,在此基础上,设计了通道注意力卷积模块,通过并行卷积提取空间细节特征,同时应用自适应核长的通道间注意力机制动态重标定通道权重,有效学习并压缩局部纹理特征,经全连接层映射得到特征向量并作为后续图中的节点嵌入.然后,依据切片的空间连通性构建邻接矩阵,将切片视为图中的节点,并将节点特征向量与邻接矩阵组成图数据,输入三层堆叠的图注意力卷积层,通过可学习的注意力系数逐层聚合相邻及远邻切片信息,实现跨切片全局结构的融合.最终,经全局平均池化与全连接层输出分类结果.实验结果表明,本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型,还验证了局部-全局注意力架构的优势,提供了一种从切片到图信号转换的新思路.
更多相关知识
关键词
医学图像脑部影像分类深度学习注意力机制图卷积神经网络medical imagebrain image classificationdeep learningattention mechanismgraph convolutional neural network(GCN)
栏目名称
DOI
10.13878/j.cnki.jnuist.20250327002
发布时间
2026-04-21（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
