一项新近发表在 arXiv 上的研究评估了卷积神经网络 (CNNs) 和 Vision Transformers (ViTs) 在从 MRI 扫描中对阿尔茨海默病进行分类的稳健性。研究人员比较了五种架构，包括 ResNet-50、ReXNet-150、Swin Transformer、ViT-Base 和 ViT-Large，跨越三个不同的 MRI 数据集。研究结果表明，ViT-Large 持续 achieves 最高性能，准确率高达 99.84%，并且在处理训练和测试数据之间的分布不匹配时，模型之间的性能差异最为明显。 AI
影响 ViT-Large 在阿尔茨海默病 MRI 分类中展现出卓越且一致的性能，凸显了跨数据集评估对深度学习模型的重要性。
排序理由 发表在 arXiv 上的研究论文，评估模型性能。[lever_c_demoted from research: ic=1 ai=1.0]
- Alzheimer's disease
- arXiv
- magnetic resonance imaging
- ResNet-50
- ReXNet-150
- Swin Transformer
- ViT-Large
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
