换一批基于非局部卷积和卷积注意力模块的眩晕眼震诊断方法
Diagnostic methods for nystagmus in vertigo based on non-local convolution and convolutional block attention module
摘要鉴于良性阵发性位置性眩晕的复杂致病因素和诊断困难等问题,提出一种新的基于非局部卷积和卷积注意力模块(CBAM)的眩晕眼震诊断方法.首先,通过构建目标检测模型定位瞳孔,从而捕捉眼球运动并提取水平和垂直运动轨迹时序数据.其次,采用分类模型进行分类检测,该分类模型采用非局部卷积来捕获眼震数据中的远程依赖关系特征,并引入CBAM来提取特征层中的高级和低级语义信息,从而提高了分类模型的检测性能.在眼耳鼻喉科医院提供的视频眼震数据集上进行了实验,结果表明,与主流方法相比,本文所提出的诊断方法在精确率、召回率、准确率、平均F1值等评估指标上比主流方法分别提高了1.82%、2.09%、1.62%和1.96%,表明了本文方法的显著性优势.
更多相关知识
关键词
良性阵发性位置性眩晕医学图像处理时序数据分类目标检测视频眼震数据分类benign paroxysmal positional vertigomedical image processingtemporal data classificationobject detectionvideo nystagmus data classification
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.05.007
发布时间
2024-06-05（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市科委科技创新行动计划社会发展科技攻关项目（21DZ1204900）
- 浏览23
- 被引2
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
