Der Artikel stellt ein neuartiges Klassifizierungsmodell CECT vor, das Convolutional Neural Networks (CNN) und Transformer kombiniert, um sowohl multi-lokale als auch globale Merkmale aus COVID-19-Röntgenbildern zu erfassen.
Das CECT-Modell besteht aus drei Blöcken:
Im Vergleich zu bestehenden Methoden kann das CECT-Modell Merkmale auf mehreren lokalen und globalen Skalen erfassen, ohne komplexe Moduldesigns zu verwenden. Außerdem kann der Beitrag lokaler Merkmale auf verschiedenen Skalen durch die vorgeschlagenen Ensemble-Koeffizienten gesteuert werden.
Die Evaluierung auf zwei öffentlichen COVID-19-Datensätzen zeigt, dass das CECT-Modell die höchste Genauigkeit von 98,1% in der intra-Datensatz-Evaluation erreicht und eine Genauigkeit von 90,9% in der inter-Datensatz-Evaluation erzielt, was seine hervorragende Leistungsfähigkeit und Generalisierungsfähigkeit belegt.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Zhaoshan Liu... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2302.02314.pdfDeeper Inquiries