本研究提出了一种新方法RS-FME-SwinT，用于提高猴痘检测的灵敏度并降低成本。该方法结合残差学习和空间卷积神经网络，准确率达97.80%，优于现有技术，显示出重要应用潜力。

利用改进的 SE-InceptionV3 模型，本研究通过在 InceptionV3 框架中嵌入 SENet 模块和 L2 正则化的方式提高了猴痘病的检测准确性，通过对 Kaggle 猴痘数据集的测试，模型在测试集上表现出 96.71% 的显著准确度，在区分多样和复杂病例中，超越了传统方法和深度学习模型，验证了模型在精确度、召回率和 F1 得分方面的优势，不仅提供了对高级 CNN...