基于新型多尺度变换器的高效准确肺炎检测
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对传统肺炎诊断方法在低开发地区面临的挑战,提出了一种结合深度学习和变换器注意机制的新方法,以提高胸部X光片的肺炎检测性能。研究表明,该方法在Kermany和Cohen数据集上实现了高达92.79%和95.11%的准确率,为资源有限的环境提供了一种可靠而高效的检测工具。
研发了一种计算机辅助诊断系统,可自动检测肺炎。系统使用DenseNet-121和ResNet50作为分类任务的主干,并引入了FCSSAM机制来突出显示相关通道的特定空间区域。在评估中,该方法在二元和多分类设置下的准确率分别为97.15%和79.79%,优于最先进的方法。