基于3D注意力卷积与自监督学习的脑疾病分类方法

作     者：冀俊忠 于乐 雷名龙 JI Junzhong;YU Le;LEI Minglong

作者机构：北京工业大学北京人工智能研究院北京100124 北京工业大学信息学部多媒体与智能软件技术北京市重点实验室北京100124 

出 版 物：《北京工业大学学报》 (Journal of Beijing University of Technology)

年 卷 期：2024年第50卷第3期

页      面：307-315页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(62276010) 北京市教育委员会科学研究计划资助项目(KZ202210005009) 

主　　题：脑疾病分类 体素数据 空间特征 三维卷积神经网络 自监督学习 注意力机制 

摘      要：为了提升现有脑疾病分类方法提取三维空间特征的能力,提出一种融合3D注意力卷积与自监督学习的分类模型。首先,提出一种基于残差结构的3D注意力卷积神经网络来提取空间特征,利用3D注意力机制区分体素数据中不同空间位置的重要性;其次,利用空间特征构建一个基于自监督学习的多任务学习框架,通过基于空间连续性的自监督辅助任务来进一步挖掘体素的空间依赖关系;最后,通过辅助任务与目标分类任务的联合训练优化神经网络参数,进而提升分类模型的性能。在ABIDE-Ⅰ和ABIDE-Ⅱ数据集上的实验结果表明,所提方法具有优异的分类性能,分类结果也具备良好的可解释性。