排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为满足轻量化卷积神经网络(CNN)对肺炎X光片中方向和语义信息提取的需求,提出一种基于轻量化方向Transformer的肺炎X光片辅助诊断模型。首先,构造CNN结合Transformer的密集连接架构,实现深浅层中局部和全局信息的结合;其次,设计方向卷积捕获不同大小、形状特征的空间和方向信息,并降低Transformer学习全局特征的计算复杂度;然后,为每个样本特征采用专门的卷积核,降低方向卷积参数量,并保持高效计算;最后,通过构造均衡聚焦损失函数来提高模型肺炎识别能力。在肺炎X光片数据集中,所提出模型以较低的模型参数量、计算量,以及较短的运行时间,获得了98.87%准确率和98.85%AUC值的最佳性能,在3个公共肺炎相关数据集中均获得较强的鲁棒性和较优的泛化能力。 相似文献
2.
1