研究人员进行了一项综合消融研究，以理解深度学习模型在传统中医舌诊中的有效性。该研究使用TongueDx2数据集和合并数据集评估了20多个模型版本，比较了各种骨干架构、损失函数、增强策略和训练方法。主要发现表明，ConvNeXt-Tiny是最具参数效率的骨干网络，BCE损失优于Asymmetric Loss，而约束颜色增强对性能至关重要。研究还强调了弱组集成替换优于概率平均的好处，以及数据缩放的显著影响，同时警告不要扩展标签维度，这可能导致灾难性的模型崩溃。 AI
影响 确定了医学图像分类的最佳深度学习配置，有望改进诊断工具。
排序理由 该集群包含一篇详细介绍深度学习模型在特定应用中消融研究的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
