典型文献
基于Swin Transformer的肝囊型包虫病超声图分类研究
文献摘要：
为了提高肝包虫病的筛查和诊断效率,弥补部分地区医疗资源不足的情况,提出一种基于Swin Transformer的肝包虫病病灶智能分型方法,结合卷积注意力机制模型,通过学习图像的整体和局部细节特征来实现对五种类型的囊型包虫病病灶的全自动分类.为了验证模型具有优越性,将提出的预测模型与常见分类模型对比分析.结果显示基于改进的Swin Transformer模型在测试集上分类准确率可达92.6％.实验结果表明相较于其他算法,基于改进的Swin Transformer网络能较好地分类出肝囊型包虫超声图像,并且该方法可以推广到其他医疗应用中.
文献关键词：
深度学习;图像分类;肝囊型包虫病;超声影像;迁移学习
中图分类号：
作者姓名：
热娜古丽·艾合麦提尼亚孜;米吾尔依提·海拉提;王正业;叶尔夏提·多力孔;严传波
作者机构：
新疆医科大学 公共卫生学院,新疆 乌鲁木齐830011;新疆医科大学 医学工程技术学院,新疆 乌鲁木齐830011
文献出处：
引用格式：
[1]热娜古丽·艾合麦提尼亚孜;米吾尔依提·海拉提;王正业;叶尔夏提·多力孔;严传波-.基于Swin Transformer的肝囊型包虫病超声图分类研究)[J].电子技术应用,2022(11):7-12,18
A类：
B类：
Swin,Transformer,肝囊型包虫病,图分类,分类研究,肝包虫病,诊断效率,医疗资源,分型方法,卷积注意力机制,注意力机制模型,细节特征,自动分类,验证模型,分类模型,模型对比分析,测试集,分类准确率,超声图像,医疗应用,图像分类,超声影像,迁移学习
AB值：
0.328693
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
