驾驭 Transformer：肺癌图像检测中的一次飞跃
图像与视频处理
2023-11-17 v1 计算机视觉与模式识别
摘要
本文讨论了迁移学习（TL）和 Transformer 在基于图像分析的癌症检测中的作用。随着癌症患者的急剧增多，在患者体内识别癌细胞已成为人工智能（AI）领域的一个趋势。该过程涉及分析医学图像，如计算机断层扫描（CT）和磁共振成像（MRI），以识别可能有助于癌症检测的异常生长。许多技术和方法已实现以改善癌症分类和检测的质量与性能，例如 TL，它允许将知识从一项任务转移到另一项具有相同任务或领域的任务。TL 包含许多方法，特别是那些用于图像分析的方法，例如 Transformer 和在 ImageNet 数据集上训练的卷积神经网络（CNN）模型。本文基于图像分析对 TL 的每种方法进行剖析与批评，并比较每种方法的结果，表明 Transformer 取得了最佳结果，对结肠癌检测的准确率为 97.41%，对组织病理学肺癌的准确率为 94.71%。还讨论了基于图像分析的癌症检测的未来方向。
引用
@article{arxiv.2311.09942,
title = {Harnessing Transformers: A Leap Forward in Lung Cancer Image Detection},
author = {Amine Bechar and Youssef Elmir and Rafik Medjoudj and Yassine Himeur and Abbes Amira},
journal= {arXiv preprint arXiv:2311.09942},
year = {2023}
}
备注
6 pages, 4 figures, and 3 tables