基于小样本学习和多尺度残差网络的特纳综合征预测研究OA北大核心CSTPCD
为了提高特纳综合征(Turner Syndrome, TS)的诊断效率,提出一种基于小样本学习和多尺度残差网络的TS预测模型。对TS人脸图像进行预处理获取人脸主要区域,提出具有多级注意力机制的多尺度残差模块,其中,多尺度残差模块以集成多尺寸卷积核的残差结构实现,多级注意力机制用来学习特征通道关系和不同卷积核的重要性,利用该模块构建多尺度残差网络。使用小样本学习进行模型训练。实验结果表明,该模型能够提升TS的诊断准确率。
刘璐;
北京工业大学信息学部软件学院,北京100124
计算机与自动化
特纳综合征注意力机制残差网络小样本学习
《计算机应用与软件》 2024 (009)
P.182-189 / 8
国家重点研发计划项目(2020YFB2104402)。
评论