New Insights into Cervical Cancer Diagnosis Using Convolutional Neural Network Architectures
原文英文，约100词，阅读约需1分钟。发表于：。本研究针对宫颈癌筛查中Pap涂片图像分类的优化问题，提出了一种新的卷积神经网络（CNN）配置方案。通过比较多种优化器的性能，发现转移学习模型在所有CNN架构中表现优秀，其中Adamax优化器在VGG-16和Resnet-18上的准确率分别达到了72.8%和66.8%。这一研究为宫颈癌图像分析提供了新的见解和实践意义。
本研究提出了一种新的卷积神经网络配置方案，优化了宫颈癌筛查中的Pap涂片图像分类。通过比较多种优化器，发现转移学习模型表现优异，Adamax优化器在VGG-16和Resnet-18上的准确率分别为72.8%和66.8%。
