资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]北京科技大学计算机与通信工程学院,北京100083
[2]河池学院广西高校人工智能与信息处理重点实验室,广西546300
[3]首都医科大学宣武医院,北京100053
首都医科大学宣武医院
出处：
ISSN：
关键词：
急性缺血性脑卒中
视觉Transformer
双分支网络
特征融合
摘要：
急性缺血性脑卒中是由于脑组织血液供应障碍导致的脑功能障碍,数字减影脑血管造影(DSA)是诊断脑血管疾病的金标准.基于患者的正面和侧面 DSA图像,对急性缺血性脑卒中的治疗效果进行分级评估,构建基于 Vision Transformer的双路径图像分类智能模型DPVF.为了提高辅助诊断速度,基于EdgeViT的轻量化设计思想进行了模型的构建;为了使模型保持轻量化的同时具有较高的精度,提出空间-通道自注意力模块,促进Transformer模型捕获更全面的特征信息,提高模型的表达能力;此外,对于DPVF的两分支的特征融合,构建交叉注意力模块对两分支输出进行交叉融合,促使模型提取更丰富的特征,从而提高模型表现.实验结果显示DPVF在测试集上的准确率达98.5%,满足实际需求.
基金：
科技部科技创新 2030-重大项目（2020AAA0108703）；广西高校人工智能与信息处理重点实验室基金（2022GXZDSY001）
第一作者：
第一作者机构：
[1]北京科技大学计算机与通信工程学院,北京100083
通讯作者：
推荐引用方式(GB/T 7714)：
张桃红,郭学强,郑瀚,等.Dual-Path Vision Transformer用于急性缺血性脑卒中辅助诊断[J].电子科技大学学报.2024,53(2):307-314.
