论文部分内容阅读
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.