基于混合域注意力机制和残差网络的特纳综合征分类研究

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.