基于注意力机制的CNN和GRU烟雾病检测方法研究

摘要：

目的 为提高数字减影血管造影(DSA)进行烟雾病诊断的精准率,建立时序分类网络的烟雾病检测模型.方法 首先对DSA图像进行预处理,将预处理后的图像采用卷积神经网络(CNN)来提取特征;然后采用结构简单、具有时间记忆功能的门控循环单元(GRU)融合DSA的时序信息,获取更全面的烟雾病特征信息;最后,再结合注意力机制能获取图像重点关注区域中烟雾病的细节信息,而抑制其他无用信息.结果 将该方法 与3D-CNN、CNN+LSTM以及CNN+LSTM+Attention进行对比,得到的检测准确率和均方误差分别为98.57％和1.43％.结论 本方法 在烟雾病检测上具有优势,是一种稳定可靠的检测方法 .

关键词：烟雾病检测、数字减影血管造影、卷积神经网络、门控循环单元、注意力机制

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科技创新行动计划18511102800

在线出版日期：2021-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74