Classification of Cardiac Diseases Using a Novel Selective Kernel Convolution Network with Attention Mechanism and Grad-CAM

计算机科学 人工智能 核(代数) 机制(生物学) 模式识别(心理学) 卷积(计算机科学) 机器学习 人工神经网络 算法 支持向量机 特征(语言学) 卷积神经网络
作者
Urousha Jeetun,Maleika Heenaye-Mamodekhan
出处
期刊: [Institute of Electrical and Electronics Engineers]
卷期号:: 1-6
标识
DOI:10.1109/nextcomp70574.2026.11708182
摘要

Cardiac disease classification from Cardiac Magnetic Resonance Imaging (CMR) is a challenging diagnostic task, complicated by the morphological similarity between pathology classes and the limited availability of annotated imaging data. This paper proposes a classification system based on a Selective Kernel Convolutional (SKC) network with embedded spatial attention mechanisms, evaluated on the ACDC benchmark dataset comprising 150 CMR scans across five diagnostic categories. Two parallel CNN branches with complementary receptive fields extract multi-scale features, with a spatial attention module embedded within each branch to focus on diagnostically relevant regions. Grad-CAM visualisation is integrated post-hoc to generate saliency maps highlighting the anatomical regions most influential to each classification decision. The proposed system achieves 94% accuracy with precision and recall exceeding 80% across all five classes, achieving comparable performance to prior methods on this benchmark while offering a segmentation-free pipeline with improved interpretability for clinical adoption.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
cxz完成签到,获得积分10
刚刚
刚刚
1秒前
orixero的应助被54662133采纳,获得10
1秒前
1秒前
魏小梅发布了新的文献求助10
1秒前
1秒前
1秒前
一笑完成签到,获得积分10
2秒前
001发布了新的文献求助10
2秒前
855979发布了新的文献求助10
2秒前
华仔的应助被kyn采纳,获得10
2秒前
果奶酱发布了新的文献求助20
3秒前
一一发布了新的文献求助10
3秒前
3秒前
胡高照发布了新的文献求助10
3秒前
君莫笑完成签到 ,获得积分10
3秒前
3秒前
3秒前
杨惠文发布了新的文献求助10
3秒前
wanci的应助被王沪生采纳,获得10
4秒前
天天快乐的应助被feiyu采纳,获得10
4秒前
小鱼完成签到 ,获得积分10
4秒前
大黄万岁发布了新的文献求助60
4秒前
zzzzzc完成签到,获得积分10
4秒前
852的应助被悬停之翼采纳,获得10
4秒前
5秒前
5秒前
桂公子完成签到,获得积分10
5秒前
gujia完成签到,获得积分10
5秒前
飘逸雨竹发布了新的文献求助30
5秒前
5秒前
6秒前
6秒前
yxh发布了新的文献求助10
6秒前
SciGPT的应助被一一采纳,获得10
7秒前
gqzhu完成签到,获得积分10
7秒前
muzi发布了新的文献求助10
7秒前
迷途羔羊完成签到,获得积分10
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Markov Decision Processes and Reinforcement Learning 700
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8170142
求助须知:如何正确求助?哪些是违规求助? 9563136
关于积分的说明 21768635
捐赠科研通 7761603
什么是DOI,文献DOI怎么找? 3430600
关于科研通互助平台的介绍 2554420
邀请新用户注册赠送积分活动 2475330