| 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?。?span>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，彌補部分地區醫療資源不足的情況，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特征來實現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療應用中。 | |
| 現在下載 | |
| 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 華北計算機系統工程研究所版權所有 京ICP備10017138號-2