| 基于Swin Transformer的肝囊型包蟲病超聲圖分類研究 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：1622 K | |
| 標簽： 深度學習 圖像分類 肝囊型包蟲病 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：為了提高肝包蟲病的篩查和診斷效率，彌補部分地區(qū)醫(yī)療資源不足的情況，提出一種基于Swin Transformer的肝包蟲病病灶智能分型方法，結合卷積注意力機制模型，通過學習圖像的整體和局部細節(jié)特征來實現(xiàn)對五種類型的囊型包蟲病病灶的全自動分類。為了驗證模型具有優(yōu)越性，將提出的預測模型與常見分類模型對比分析。結果顯示基于改進的Swin Transformer模型在測試集上分類準確率可達92.6%。實驗結果表明相較于其他算法，基于改進的Swin Transformer網(wǎng)絡能較好地分類出肝囊型包蟲超聲圖像，并且該方法可以推廣到其他醫(yī)療應用中。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權所有 京ICP備10017138號-2