CNN-ViT混合模型用于肺炎检测：有限数据下无预训练的理论实证
图像与视频处理
2025-09-11 v1 计算机视觉与模式识别
摘要
本研究探索了在训练数据集规模有限的情况下CNN与ViT的混合，并引入了显著的类别不平衡。训练从头开始，仅聚焦于理论和实验上探究所提出混合模型的架构优势。在不同数据比例和平衡与不平衡训练数据集上进行了实验。相比之下，该混合模型结合了CNN和ViT的优势，在平衡数据集50%数据比例下实现了0.9443的最高召回率，F1分数一致性约为0.85，表明诊断的可靠性。此外，该模型在不平衡数据集上成功优于CNN和ViT。尽管其架构复杂，在所有数据比例下所需的训练时间与Transformer相当。
引用
@article{arxiv.2509.08586,
title = {CNN-ViT Hybrid for Pneumonia Detection: Theory and Empiric on Limited Data without Pretraining},
author = {Prashant Singh Basnet and Roshan Chitrakar},
journal= {arXiv preprint arXiv:2509.08586},
year = {2025}
}
备注
8 pages, 5 Tables, 5 Figures. Manuscript submitted to ICOIICS 2025 Conference. Currently, under peer review