莫蒂科:基于图像数据分类的注意力机制网络模型,用于基于智能衰老疾病风险预测
Feng Zhou1, Shijing Hu1, Xin Du1
1School of Computer Science, Fudan University, No. 2005 Songhu Road, Shanghai, 200438, China.
Computers in biology and medicine
|June 18, 2024
概括
一个新的Motico模型 (图像数据分类的注意力机制网络模型) 在移动设备上提供了高效的疾病风险预测. 这种轻量级模型实现了高精度,使其适用于老年护理应用.
科学领域:
- 医疗信息学 医疗信息学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 目前的疾病风险预测模型通常对移动设备来说过于复杂.
- 老年护理应用程序需要高效的,在设备上的风险评估工具.
研究的目的:
- 为移动终端开发一种轻量级的疾病风险预测模型.
- 为了使疾病风险预测在老年护理应用程序的顺利运行.
主要方法:
- 设计了Motico (图像数据分类的注意力机制网络模型) 模型.
- 实施了一种图像数据预处理方法.
- 利用注意力机制网络进行图像数据分类.
主要成果:
- 摩蒂科模型的参数大小为5.26 MB,内存使用量为135.69 MB.
- 实现了96%的准确性,97%的精度,93%的回忆,98%的特异性和95%的F1得分.
- 在移动终端上证明了成功的分类预测.
结论:
- 莫蒂科模型是有效和准确的疾病风险预测在移动设备.
- 该模型的轻量级设计适用于老年护理应用.
- 注意力机制网络可以有效地应用于基于图像的疾病风险预测.
