깊이 있는 전이 학습 기반의 유방암 영상 분류 방법
제한된 샘플, 시간 소모적인 특징 설계, 낮은 정확도의 문제를 해결하기 위해 깊이 있는 학습과 전이 학습을 결합한 유방암 영상 분류 모델 알고리즘을 제안한다.
의료 영상 분류를 위한 반지도 학습과 자기 지도 학습의 체계적 비교
제한된 레이블 데이터 환경에서 반지도 학습과 자기 지도 학습 방법을 체계적으로 비교하여, 실제 의료 영상 분류 문제에 효과적으로 적용할 수 있는 방법을 제시한다.
COVID-19 진단을 위한 제어 가능한 앙상블 CNN 및 트랜스포머 모델
제안된 CECT 모델은 다중 국부 및 전역 특징을 효과적으로 포착하여 COVID-19 진단 정확도를 크게 향상시킨다.
데이터 중심 예측 설명을 위한 커널화된 Stein 불일치
HD-Explain은 훈련 데이터 포인트와 테스트 데이터 포인트 간의 상관관계를 효율적으로 활용하여 정확하고 일관된 예측 설명을 제공한다.
진화 알고리즘 기반 의료 영상 분류를 위한 향상된 EATFormer 모델
본 연구는 진화 알고리즘 기반의 향상된 EATFormer 모델을 제안하여 의료 영상 분류 성능을 크게 향상시켰다.
진화 알고리즘 기반 의료 영상 분류를 위한 개선된 EATFormer
본 연구는 진화 알고리즘 기반의 EATFormer 아키텍처를 제안하여 의료 영상 분류 성능을 크게 향상시켰다. EATFormer는 합성곱 신경망과 비전 트랜스포머의 장점을 결합하여 데이터 패턴 식별 및 특정 특성 적응 능력을 높였다.
진화 알고리즘 기반 의료 영상 분류를 위한 향상된 EATFormer 모델
본 연구는 진화 알고리즘 기반의 향상된 EATFormer 모델을 제안하여 의료 영상 분류 성능을 크게 향상시켰다. EATFormer 모델은 합성곱 신경망과 비전 트랜스포머의 장점을 결합하여 데이터 패턴 식별 및 특성 적응 능력을 높였다.
고해상도 의료 영상 분류를 위한 효율적인 매개변수 및 메모리 미세 조정 기법: 세부적인 프롬프트 튜닝
본 연구는 고해상도 의료 영상 분류를 위한 새로운 매개변수 및 메모리 효율적인 미세 조정 기법인 세부적인 프롬프트 튜닝(FPT)을 제안한다. FPT는 대용량 사전 학습 모델의 지식을 효과적으로 활용하면서도 메모리 사용량을 크게 줄일 수 있다.
© 2024 by Linnk AI