English(EN) CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model

混合CNN-ViT模型在脑肿瘤MRI分类中达到97.6%的准确率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了一种新颖的混合深度学习模型，该模型融合了卷积神经网络（CNN）和视觉Transformer（ViT），用于改进从MRI扫描中对脑肿瘤进行分类。这种新架构利用自适应注意力门控来动态地权衡CNN捕获的局部特征和ViT识别的全局依赖性。该模型在脑肿瘤MRI数据集上取得了97.60%的高测试准确率，优于现有的单分支模型和融合方法。 AI

影响引入了一种混合深度学习架构，有望提高医学影像的诊断准确性。

排序理由这是一篇详细介绍用于医学图像分类的新型混合深度学习模型的研究论文。

在 arXiv cs.CV 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.CV TIER_1 English(EN) · Syed Ibad Hasnain, Muhammad Faris, Hafiza Syeda Yusra Tirmizi, Rabail Khowaja, Hafsa Israr · 2026-04-28 04:00

CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model

arXiv:2604.23137v1 Announce Type: new Abstract: Early detection and classifying brain tumors using Magnetic Resonance Imaging (MRI) images is highly important but difficult to extract in medical images. Convolutional Neural Networks (CNNs) are good at capturing both local texture…

报道来源 [1]

CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model

相关实体

相关话题