新型混合CNN-Transformer模型通过安全功能增强视网膜OCT分类

研究人员开发了一种新颖的混合模型，结合了卷积神经网络（CNN）和Transformer架构，用于对视网膜光学相干断层扫描（OCT）图像进行分类。该模型包含一个梯度提升分类器和一个三部分临床安全层，旨在确保其置信度得分的可靠性。该系统实现了高准确率，同时显著降低了校准误差，使其成为首个能够联合验证置信度校准、分布外拒绝和不确定性标记，并提供公开可用权重的OCT分类器。 AI

影响 通过改进置信度校准和不确定性标记，增强了医疗保健领域AI诊断的可靠性。

排序理由 该集群描述了一篇关于新颖模型架构及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• Calibrated Hybrid CNN-Transformer
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Retinal OCT Classification
• ScienceCast
• XGBoost

• 论文
• 模型发布
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →