COVID-19 检测中空间切片特征学习的深入研究
原文中文，约300字，阅读约需1分钟。发表于：。利用 Spatial-Slice 特征学习 (SSFL++) 框架和 Kernel-Density-based 切片采样 (KDS) 方法，专门针对 CT 扫描，提高模型的适应性和稳定性，通过减少冗余提取关键空间切片进行分析，实验结果表明即使只使用 1％的训练数据，也能够使用简单的 EfficientNet-2D (E2D) 模型取得良好的性能，该方法在提供的 COVID-19-CT-DB...
研究提出了一种简单有效的模型，通过分析CT扫描特征并移除非肺部部分，专注于病变区域并降低计算成本。在COVID-19竞赛中，模型达到了0.94的宏F1分数，超过基准线16％，表明其在COVID-19检测方面的有效性。
