基于LSTM多特征联合的缺血性脑卒中诊断模型

• 作者: 骆轶姝 邵圆圆 陈德华
• 来源期刊: 智能计算机与应用
• 关键词: 缺血性脑卒中 LSTM 多特征联合 辅助诊断
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 学术研究与应用|Academic research and application
• 页码范围: 74-79
• 页数: 6页
• 分类号: TP181|R743.3
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.10.018

摘要

本文以缺血性脑卒中疾病为研究对象,充分考虑疾病发病机制,选取患者当前超声、生化及基本信息3种特征检查指标,提出一种基于LSTM多特征联合的诊断模型.3个基于LSTM(Long short-term memory)模型搭建的双向LSTM特征提取子模块,联合训练学习各类型数据的前向和后向信息;增加自注意力机制学习特征间的关联性,并分配权重.实验结果表明,融合自注意力机制的多特征模型在不同分类评估标准下总体性能达84％,为缺血性脑卒中的临床辅助诊断提供一种方法,为医生对该疾病的鉴别诊断提供参考.