融合SOLOv2-Vision Transformer的面瘫识别方法研究

摘要

目的 为了使患者和医生更快诊断病情，达到早发现、早诊断、早治疗的目的，建立准确及时的面瘫智能化辅助诊断方法。方法 提出融合SOLOv2-Vision Transformer的方法，将收集的面瘫数据经过替换主干网络的SOLOv2模型分割，去除图像中干扰部分，再输入到Vision Transformer模型中进行分类训练。通过先分割再分类的原则，提高面瘫图像的分类效果。结果 该实验方法在MEEI面瘫数据集上的准确率为0.982、召回率为0.982、F1-score为0.981,相比于基础模型分别提高了2%、4%、4%。结论 融合SOLOv2-Vision Transformer的面瘫分类模型，相比较于未经分割的方法可实现更高的识别精度，为面瘫诊断提供了新方法。

关键词

图像分割 / 图像分类 / 注意力机制 / 面瘫 / 诊断 / SOLOv2-Vision Transformer