期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多头自注意力与双线性池化融合的心肌缺血影像分类
1
作者 周嘉文 郑小盈 +5 位作者 祝永新 林思敏 陈凌曜 曾洪斌 郭俞 王馨莹 《计算机工程》 北大核心 2025年第11期246-257,共12页
深度学习在心肌缺血辅助诊断中有重要应用价值,但传统深度学习医学图像分类网络存在无法捕捉心肌计算机断层扫描(CT)类别间细微差异、丢失CT数据三维(3D)结构信息等问题。为此,提出一种DBTMed3D网络,采用3D双线性细粒度池化对传统Med3D... 深度学习在心肌缺血辅助诊断中有重要应用价值,但传统深度学习医学图像分类网络存在无法捕捉心肌计算机断层扫描(CT)类别间细微差异、丢失CT数据三维(3D)结构信息等问题。为此,提出一种DBTMed3D网络,采用3D双线性细粒度池化对传统Med3D网络中的卷积模块进行改进,用于处理包括CT和MRI在内的多模态医学图像数据。同时,模仿ResNet网络,在模块中引入跳跃连接,融合图像细粒度二阶特征和卷积模块提取到的特征,使得网络在关注局部特征的同时保留整体特征。此外,引入3D类别激活图,将热力图叠加在原心肌图像的CT切片上,突出网络模型重点关注的心肌位置。最后,设计3D层次化多头自注意力模块,通过捕获图像局部特征解决3D医学图像的细粒度分类问题。实验结果表明,DBTMed3D在心肌CT数据集上的分类准确率为86.4%,相比基准网络3D ResNet-50提升了6.7百分点,具有较优的分类效果。 展开更多
关键词 心肌缺血 卷积神经网络 双线性细粒度 多头自注意力机制 类别激活图 跳跃连接
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部