摘要
في مواجهة مشكلة تكرار الميزات ونقص القدرة على التعميم في تصنيف صور الميلانوما باستخدام Vision Transformer (ViT)، تم اقتراح نموذج محسن يدمج بين فرز الميزات الديناميكي والتعلم التبايني لتحسين دقة التصنيف وكفاءة التشخيص السريري. أولاً، تم تصميم وحدة فرز الميزات الديناميكية التي تعزز الميزات الأساسية وتضغط على المعلومات الزائدة من خلال مصفوفة أوزان قابلة للتعلم بشكل تكيفي؛ ثانيًا، تم إدخال دالة خسارة التباين InfoNCE ، وتم دمجها مع خسارة التقاطع الإنتروبي لبناء إطار تحسين متعدد الأهداف يعزز التمييز بين ميزات الفئات؛ أخيرًا، تم تضمين آلية توجيه الميزات الأساسية في آلية الانتباه الذاتي متعددة الرؤوس لتحقيق نمذجة تعاونية بين التفاصيل المحلية والدلالات الشاملة. أظهرت نتائج التجارب على مجموعتي بيانات ISIC2018 وISIC2019 أن النموذج المحسن حقق دقة تصنيف بنسبة 83.27% و80.17% على التوالي، بزيادة 1.83% و0.49% مقارنة بنموذج ViT الأساسي؛ ورقابة التجارب أظهرت أن وحدة الفرز الديناميكي خفضت الحسابات الزائدة بنسبة 18.7% والتعلم التبايني رفع تشابه الميزات داخل الفئة بنسبة 23.6%. الطريقة المقترحة حسنت بشكل ملحوظ قدرة نموذج ViT على التعرف على الميلانوما، وكانت دقة التصنيف والمتانة أفضل من النماذج السائدة، مما يوفر حلاً آليًا عالي الدقة ومنخفض التكرار للتشخيص المبكر لسرطان الجلد بقيمة عملية سريرية واضحة.
关键词
تصنيف الصور;فرز الميزات;دالة خسارة InfoNCE;نموذج ViT
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website