基于注意力机制的CNN和GRU烟雾病检测方法研究

作者：胡涛; 苏佳斌; 杨恒; 蒋卓韵; 余锦华^*; 顾宇翔

来源：航天医学与医学工程, 2021, 34(01): 68-74.

DOI：10.16289/j.cnki.1002-0837.2021.01.011

• 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

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。

• 单位
  复旦大学; 复旦大学附属华山医院