English(EN) Innovative Silicosis and Pneumonia Classification: Leveraging Graph Transformer Post-hoc Modeling and Ensemble Techniques

新的图变换器模型在肺部炎症分类中实现高精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-27 04:00

一篇研究论文介绍了一种新颖的深度学习架构，用于通过胸部 X 光片对矽肺和肺炎进行分类。该方法将图变换器网络与传统的深度神经网络相结合，并采用平衡交叉熵损失函数。在一个新策划的数据集 SVBCX 上，这些模型的集成实现了 0.9749 的宏 F1 分数和每个类别的 AUC ROC 分数超过 0.99。 AI

排序理由该集群包含一篇已撤回的学术论文，详细介绍了用于医学图像分类的新颖深度学习架构和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Bao Q. Bui, Tien T. T. Nguyen, Duy M. Le, Cong Tran, Cuong Pham · 2026-05-27 04:00

Innovative Silicosis and Pneumonia Classification: Leveraging Graph Transformer Post-hoc Modeling and Ensemble Techniques

arXiv:2501.00520v2 Announce Type: replace-cross Abstract: This paper presents a comprehensive study on the classification and detection of Silicosis-related lung inflammation. Our main contributions include 1) the creation of a newly curated chest X-ray (CXR) image dataset named …

报道来源 [1]

Innovative Silicosis and Pneumonia Classification: Leveraging Graph Transformer Post-hoc Modeling and Ensemble Techniques

相关实体

相关话题