基于改进EfficientNet的阿尔兹海默症图像分类

摘要：

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.

关键词：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

分类号：TP183(自动化基础理论)

资助基金：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

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：56-61