文献类型：期刊文章

作　　者：刘璐[1] 李建强[1] 陈适[2]

LIU Lu;LI Jian-qiang;CHEN Shi(不详;Peking Union Medical College Hospital,Beijing 100730,P.R.C.)

机构地区：[1]北京工业大学信息学部软件学院,100124 [2]北京协和医院,100730

出　　处：《中国数字医学》

基　　金：国家重点研究项目(编号:2017YFB1400803)。

年　　份：2021

卷　　号：16

期　　号：2

起止页码：16-20

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：目的:利用人脸图像,构建基于深度学习的特纳综合征(Turner syndrome,TS)分类模型,旨在提高TS诊断准确率,降低诊断开销。方法:首先,将通道域注意力机制和空间域注意力机制以及残差结构相结合,提出一种具有混合域注意力模块的残差网络,然后使用深度迁移学习技术完成模型的初始化,最后使用TS人脸数据集对网络模型进行微调。结果:该模型对TS的分类准确率为0.9171。结论:所提出的TS分类模型优于现有TS识别方法,能更为有效地辅助TS的临床诊断。

关 键 词：特纳综合征 通道域注意力机制  空间域注意力机制  残差网络  

分 类 号：R319[基础医学类]