基于通道注意力与图注意力网络的脑部影像分类研究

来源：南京信息工程大学学报·自然科学版杂志2026年第2期北京时间：

作者：林文轩，徐军

单位：林文轩,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 智能医学图像计算江苏省高校重点实验室, 南京, 210044,徐军,南京信息工程大学 智能医学图像计算江苏省高校重点实验室, 南京, 210044;南京信息工程大学 未来技术学院, 南京, 210044

摘要：针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题,本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型.首先对原始DTI影像进行标准化预处理与张量拟合,获得三维FA图,随后沿轴向逐层切片,并应用双线性插值法将所有切片统一重采样到相同的大小,在此基础上,设计了通道注意力卷积模块,通过并行卷积提取空间细节特征,同时应用自适应核长的通道间注意力机制动态重标定通道权重,有效学习并压缩局部纹理特征,经全连接层映射得到特征向量并作为后续图中的节点嵌入.然后,依据切片的空间连通性构建邻接矩阵,将切片视为图中的节点,并将节点特征向量与邻接矩阵组成图数据,输入三层堆叠的图注意力卷积层,通过可学习的注意力系数逐层聚合相邻及远邻切片信息,实现跨切片全局结构的融合.最终,经全局平均池化与全连接层输出分类结果.实验结果表明,本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型,还验证了局部-全局注意力架构的优势,提供了一种从切片到图信号转换的新思路.

关键词：医学图像;脑部影像分类;深度学习;注意力机制;图卷积神经网络

基金资助：国家自然科学基金(62171230,6210 1365,92159301)