一种基于师生间注意力的AD诊断模型

R445.2; 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...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 49; no. 4; pp. 583 - 588
Main Authors 李宜儒, 罗健旭
Format Journal Article
LanguageChinese
Published 华东理工大学信息科学与工程学院, 上海200237 01.08.2023
Subjects
注意力机制
deep learning
阿尔兹海默病
小样本
知识蒸馏
attention mechanism
深度学习
knowledge distillation
Alzheimer's disease
small sample
Online AccessGet full text

Cover

More Information
Summary:R445.2; 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.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20220303001