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
Thông tin chi tiết chính được chắt lọc từ
by Zhaoshan Liu... lúc arxiv.org 04-02-2024
https://arxiv.org/pdf/2302.02314.pdfYêu cầu sâu hơn