基于坐标注意力与HardSwish优化EfficientNetV2的阿尔兹海默症病程分类

摘要

目的：提出一种基于EfficientNetV2的阿尔兹海默症分类方法，旨在提升病程分类的准确性和鲁棒性。方法：以EfficientNetV2网络架构为基础，构建阿尔兹海默症病程分类模型，通过引入坐标注意力机制增强模型对病灶特征的精准识别能力，同时采用HardSwish激活函数优化运算效率和分类精度。模型性能通过对比实验和消融实验进行全面验证。结果：实验结果表明，改进后的EfficientNetV2+CA+HardSwish模型在验证集上的分类准确率显著提升至98.5%，优于基准模型（94.8%）、仅引入CA模块（96.5%）和仅引入HardSwish激活函数（96.2%）的模型。结论：通过整合坐标注意力机制和HardSwish激活函数，改进的EfficientNetV2模型显著提升了阿尔兹海默症病程分类的准确性和鲁棒性，为精准病程分类提供高效的技术方案。

关键词

阿尔兹海默症 / EfficientNetV2 / 坐标注意力 / HardSwish激活函数