面向磁共振成像分析的深度学习模型研究

甘秋静; 闭应洲; 霍雷刚

doi:10.13624/j.cnki.issn.1001-7445.2025.1388

广西大学学报（自然科学版） ›› 2025, Vol. 50 ›› Issue (06) : 1388 -1399. DOI: 10.13624/j.cnki.issn.1001-7445.2025.1388

面向磁共振成像分析的深度学习模型研究

甘秋静, 闭应洲, 霍雷刚

作者信息 +

Author information +

文章历史 +

PDF

摘要

磁共振成像(MRI)在阿尔茨海默病和脑肿瘤的早期诊断中具有重要价值，针对传统方法在抗噪性和空间上下文建模方面存在的不足，提出一种改进型EfficientNet模型DW-ECANet。该模型在原始EfficientNet-B0结构的中间MBConv模块中嵌入协调注意力(coordinate attention)机制，以增强网络对空间位置信息与通道特征的联合建模能力；同时采用离散小波变换(DWT)对图像提取关键的低频结构信息，同时抑制高频噪声干扰。实验在3个公开数据集上进行，结果表明，该模型在多类MRI图像分类任务中表现出优异性能，具有良好的泛化性和临床应用潜力，可为阿尔茨海默症和脑肿瘤的早期辅助诊断提供高效精准的技术支撑。