基于注意力机制的CNN和GRU烟雾病检测方法研究
胡涛1
苏佳斌2
杨恒2
蒋卓韵1
余锦华1
顾宇翔2
1.复旦大学电子工程系,上海2004332.复旦大学附属华山医院,上海200040
摘要：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 .
关键词：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
分类号：TP391(计算技术、计算机技术)
资助基金：上海市科技创新行动计划(18511102800)
论文发表日期：2021-02-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 68-74 )
英文信息