计算机应用

作者：张睿, 张鹏云, 高美蓉

单位：太原科技大学 计算机科学与技术学院，太原 030024

关键词：前庭神经鞘瘤,多模态神经网络,非深度模型,并行加速,模型自优化

基金：山西省基础研究计划项目(20210302123216);太原科技大学研究生联合培养示范基地项目(JD2022004);太原科技大学研究生教育创新项目(SY2023040)

针对不同模态间对应特征极易融合错位、识别模型专家主观经验式调参且计算成本高等问题，提出自优化双模态（“对比增强T1加权”与“高分辨率增强T2加权”）多通路非深度前庭神经鞘瘤识别模型。首先，通过构建前庭神经鞘瘤识别模型进一步挖掘前庭神经鞘瘤病症多模态影像特征及模态间复杂的非线性互补信息；其次，设计基于博弈论全局并行麻雀搜索算法的模型优化策略，实现模型关键超参数的自适应寻优，使模型具有较优的识别效果。实验结果表明，相较于基于深度学习的模型，所提模型在识别准确率提升4.19个百分点的情况下参数量降低了27.9%，验证了它的有效性和自适应性。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期