神经手：一种弱监督的层次化关注网络用于神经影像异常检测
原文中文，约400字，阅读约需1分钟。发表于：。在临床医院环境中，使用磁共振成像（MRI）扫描，我们提出了一种基于分层注意力网络的异常检测方法。这种分层方法提高了分类精度，同时通过粗糙的切片异常定位或不同切片和序列的重要性评分来解释模型的结果，使其适用于放射科部门的自动分诊系统。
该研究提出了一种准确快速的分类网络，用于 MRI 图像中的脑肿瘤分类，其在准确性方面优于所有轻量级方法。该模型通过引入一个 l2 归一化的空间注意力机制，在训练过程中充当了对抗过拟合的正则化器。在具有挑战性的 2D T1 加权 CE-MRI 数据集上测试，该模型实现了 1.79 个百分点的性能提升。该模型的代码可在指定的 URL 上公开访问。
