改善牙科诊断：融合空间注意力机制的增强卷积
计算机视觉与模式识别
2024-07-12 v1
摘要
深度学习已成为医疗保健领域的变革性工具，为牙科诊断通过分析复杂影像数据提供了显著进展。本文提出了增强ResNet50架构，集成SimAM注意力模块，以解决牙科图像对比度有限的挑战，同时优化深度学习性能并减轻计算需求。SimAM模块嵌入在第二个ResNet模块之后，通过捕获空间依赖性和增强重要特征来细化特征提取。我们的模型在各种特征提取技术上均表现出色，实现F1分数0.676，显著优于VGG、EfficientNet、DenseNet和AlexNet等传统架构。这一研究突显了我们方法在提高牙科图像分类准确率和鲁棒性方面的有效性，凸显了深度学习在牙科诊断中的潜力，以提高诊断准确性和效率。将先进AI模型如本模型集成到牙科实践中，正有望革新牙科诊断，为更好患者预后和更广泛地AI在牙科领域的采纳做出贡献。
引用
@article{arxiv.2407.08114,
title = {Improving Dental Diagnostics: Enhanced Convolution with Spatial Attention Mechanism},
author = {Shahriar Rezaie and Neda Saberitabar and Elnaz Salehi},
journal= {arXiv preprint arXiv:2407.08114},
year = {2024}
}
备注
Submitted to International Conference on Computer and Knowledge Engineering (ICCKE 2024)