您当前的位置：
首页 >
文章列表页 >
优化ViT用于黑色素瘤分类：特征筛选与InfoNCE损失的结合
信息科学 | 更新时间：2026-09-11
上一篇|下一篇

    • 优化ViT用于黑色素瘤分类：特征筛选与InfoNCE损失的结合

    • Optimizing vision transformer for melanoma classification： integration of feature selection and InfoNCE loss

    • “研究人员针对Vision Transformer在黑色素瘤图像分类中存在的特征冗余和泛化能力不足问题，提出一种融合动态特征筛选与对比学习的改进模型，以提升分类精度与临床诊断效率，为解决皮肤癌早期诊断的高精度、低冗余自动化需求提供解决方案。”
    • 黄金杰 ，马媛雪
    • 光学精密工程 2025年33卷第16期 页码：2649-2660

    • DOI： 10.37188/OPE.20253316.2649     

      中图分类号：
    • CSTR： 32169.14.OPE.20253316.2649     

    • 修回：2025-05-03 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 4 ) 表( 6 )

  • 参考文献

  • 出版信息

  • 数据统计

235

浏览量

566

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

多尺度与三维交互特征优化的皮肤镜图像分类
基于Swin Transformer轻量化的TFT-LCD面板缺陷分类算法
面向手写数字图像的压缩感知快速分类
联合训练生成对抗网络的半监督分类方法
空-谱协同流形重构的高光谱影像分类

相关作者

李菁
吕晓琪
王迪
贾磊
周怡君
罗晨
夏衍
冯汝鹏

相关机构

内蒙古科技大学 数智产业学院
内蒙古工业大学 信息工程学院
东南大学 机械工程学院
无锡尚实电子科技有限公司
中国科学院 长春光学精密机械与物理研究所