将先进注意力机制集成到基于深度的变体搜索算法中的肝脏肿瘤预测
图像与视频处理
2023-11-21 v1 计算机视觉与模式识别
机器学习
摘要
近年来,深度学习(DL)技术已成为机器学习、人工智能、计算机视觉等领域中新兴的变革力量。随后,研究人员和工业界在医学领域得到高度认可,可在特定间隔预测和控制多种疾病。肝脏肿瘤预测是分析和治疗肝脏疾病的一项重要任务。本文提出一种利用卷积神经网络(CNN)和带有先进注意力机制的基于深度的变体搜索算法(CNN-DS-AM)预测肝脏肿瘤的新方法。该工作旨在提高肝脏疾病诊断和治疗的准确性与鲁棒性。所提出的模型在包含良性和恶性肝脏肿瘤的计算机断层扫描(CT)数据集上进行评估。所提方法在肝脏肿瘤预测中取得了高准确率,优于其他最先进的方法。此外,将先进注意力机制集成到CNN模型中,以识别并高亮CT扫描中最与肝脏肿瘤预测相关的区域。结果表明,将注意力机制和基于深度的变体搜索算法集成到CNN模型中是提高肝脏肿瘤预测准确性和鲁棒性的一种有前景的方法。它可辅助放射科医生进行诊断和治疗规划。所提系统在肝脏肿瘤预测中达到了95.5%的高准确率,优于其他最先进的方法。
引用
@article{arxiv.2311.11520,
title = {Liver Tumor Prediction with Advanced Attention Mechanisms Integrated into a Depth-Based Variant Search Algorithm},
author = {P. Kalaiselvi and S. Anusuya},
journal= {arXiv preprint arXiv:2311.11520},
year = {2023}
}