BriefGPT - AI 论文速递
·
用高效的混合式 CNN-Transformer 模型重新定义膀胱镜检查：膀胱癌诊断
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种混合多任务深度神经网络(Hybrid-MT-ESTAN)，用于乳腺超声图像的肿瘤分类和分割。该网络结合了CNN和Swin Transformer组件，实现了对全局上下文信息的捕捉和局部图像模式的保留。在3320个超声图像的数据集上，与九种分类方法进行了比较，结果表明Hybrid-MT-ESTAN取得了82.7%的准确率、86.4%的灵敏度和86.0%的F1分数。
🎯
关键要点
- 提出了一种混合多任务深度神经网络 (Hybrid-MT-ESTAN)。
- 该网络用于乳腺超声图像的肿瘤分类和分割。
- 网络结合了 CNN 和 Swin Transformer 组件。
- 实现了对全局上下文信息的捕捉和局部图像模式的保留。
- 在3320个超声图像的数据集上进行比较。
- Hybrid-MT-ESTAN取得了82.7%的准确率。
- Hybrid-MT-ESTAN取得了86.4%的灵敏度。
- Hybrid-MT-ESTAN取得了86.0%的F1分数。
🏷️
标签
➡️
