基于残差自注意力机制的阿尔茨海默症分类

作者：卢星进; 王书卜; 肖磊^*; 高礼彬; 李瑞; 胡众义^*

来源：生物医学工程研究, 2022, 41(04): 359-364.

DOI：10.19529/j.cnki.1672-6278.2022.04.02

• 阿尔茨海默症
• 分类
• 结构性磁共振成像
• 残差神经网络
• 自注意力机制
• 自适应梯度裁剪

针对基于磁共振成像(magnetic resonance imaging, MRI)切片的阿尔茨海默症(Alzheimer′s disease, AD)诊断研究方法存在切片划分权重分配不当，导致模型弱化核心切片区间，降低核心区间特征信息比重等问题。本研究提出一种基于残差自注意力机制框架以实现AD的准确分类，模型包括残差模块和自注意力机制。残差模块用于学习并提取每张图像的特征信息；自注意力机制用于学习切片间的特征信息，动态分配切片权重，增强核心分类区间比重，最终集成所有权重结果进行AD分类。经验证，本研究算法在AD和健康对照分类中的准确率(ACC)、召回率(REC)和均衡平均数(F1-Score)相较于基准方法分别提高了2.4%、4.3%、1.4%。该方法可精确、高效地区分阿尔茨海默症和健康对照组的MRI图像，能够有效地辅助医生实现AD的准确诊断。