基于改进VGG的弱监督细粒度阿尔兹海默症分类方法

作者：邓爽; 何小海; 卿粼波; 陈洪刚; 滕奇志

来源：计算机应用, 2021, 1-9.

• 改进VGG
• 弱监督
• 细粒度分类
• 数据增强
• 阿尔兹海默症

针对阿尔兹海默症患者（AD）和正常人之间核磁共振（MRI）图像差别小，分类难度大的问题，提出了基于改进VGG的弱监督细粒度阿尔兹海默症分类方法。该方法以弱监督数据增强网络（WSDAN）为基本模型，主要由弱监督注意力学习模块，数据增强模块及双线性注意力池化模块等构成。首先通过弱监督注意学习模块生成特征图和注意力图，并且利用注意力图引导数据增强，将原图和增强后的数据同时作为输入数据进行训练；然后，通过双线性注意池化将特征图和注意力图按元素点乘，进而得到特征矩阵；最后，将特征矩阵作为线性分类层的输入。结果表明，将WSDAN基本模型应用到阿尔兹海默症的核磁共振图像数据上，在仅使用图像增强后准确性、敏感性和特异性分别比WSDAN基本模型提高1.6个百分点、0.34个百分点和0.12个百分点；在仅利用改进增强的网络后，准确性和特异性较WSDAN基本模型分别提高0.7个百分点和2.82个百分点；二者结合使用与WSDAN基本模型相比，准确性、敏感性和特异性分别提升2.1个百分点、1.91个百分点和2.19个百分点。

• 单位
  四川大学