VISION TRANSFORMERS FOR CLASSIFICATION OF CT IMAGES OF BRAIN STROKE
Глубокое обучение (DL) показало хорошие результаты в визуализации инсульта, что позволило быстро и точно классифицировать аномалии мозга с помощью компьютерной томографии (КТ). Различные нейронные сети до этого широко использовались для выполнения этой задачи, но последние достижения в моделях на основе трансформаторов предлагают новые возможности для улучшения производительности классификации. Авторы исследуют использование трансформаторов зрения (ViT) для автоматической классификации компьютерной томографии мозгового инсульта на нормальные и инсультные категории. Vit используют механизмы внимания, чтобы выборочно фокусироваться на важных областях изображения, улучшая получение функций без необходимости предварительной обработки диапазона, связанного с задачей. Данноеисследование предлагает анализ модели ViT, оценивая ее эффективность в классификации инсульта. Экспериментальные результаты показывают, что ViT достигают конкурентоспособной точности и отличного обобщения беспрецедентных данных, демонстрируя потенциал клинического применения. Эти результаты показывают, что трансформаторные модели могут играть ключевую роль в продвижении автоматизированной диагностики инсульта, в конечном итоге улучшая раннее выявление и результаты лечения пациентов.
Сведения
- Опубликовано
- 2025 · Т. 6, № 1(21), С. 144-155
- Язык
- Английский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- НАО «Казахский национальный университет имени аль-Фараби», Алматы, Казахстан
АО «Международный университет информационных технологий», Алматы, Казахстан