基于小样本学习和多尺度残差网络的特纳综合征预测研究
来源：计算机应用与软件杂志2024年第9期北京时间：
作者：刘璐
摘要：为了提高特纳综合征(Turner Syndrome,TS)的诊断效率，提出一种基于小样本学习和多尺度残差网络的TS预测模型。对TS人脸图像进行预处理获取人脸主要区域，提出具有多级注意力机制的多尺度残差模块，其中，多尺度残差模块以集成多尺寸卷积核的残差结构实现，多级注意力机制用来学习特征通道关系和不同卷积核的重要性，利用该模块构建多尺度残差网络。使用小样本学习进行模型训练。实验结果表明，该模型能够提升TS的诊断准确率。
关键词：特纳综合征, 注意力机制, 残差网络, 小样本学习
