基于改进EfficientNet的阿尔兹海默症图像分类
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1006-2475.2023.06.010

基于改进EfficientNet的阿尔兹海默症图像分类

引用
为提升卷积神经网络用于阿尔兹海默症MRI图像分类的效果,提出一种融合自适应注意力机制和数据增强技术的卷积神经网络FAMENET.通过引入数据增强技术和Focal Loss损失函数缓解数据不平衡现象;重构优化主干网络Effi-cientNet,在保持精度的情况下减少模型参数量和网络的计算量;引入自适应注意力机制,解决输入图片进行特征提取下采样过程导致的信息丢失问题.在公开数据集进行大量对比实验,FAMENET的分类准确率达到79.95%,AUC值达到82.54%,设计的消融实验也充分证明了所提出的各个模块和网络的有效性.

卷积神经网络、阿尔兹海默症、自适应注意力机制、数据增强、医学图像分类

TP183(自动化基础理论)

国家重点研发计划;中国科学院科研仪器设备研制项目;江苏省重点研发计划项目

2023-07-18(万方平台首次上网日期,不代表论文的发表时间)

共6页

56-61

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2023,(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn