WSDC-ViT:基于窗口可扩展的注意力和动态纠正线性单元卷积模块的肺炎图像分类的新型变压器网络
Yu Gu1,2, Haotian Bai3, Meng Chen4
1School of Digital and Intelligent Industry, Inner Mongolia University of Science and Technology, Baotou, 014010, China. guyu2010023@imust.edu.cn.
Scientific reports
|July 30, 2025
概括
一个新的WSDC-ViT网络使用X射线和CT扫描的增强特征提取来改善肺炎诊断. 这种AI模型提供了高精度,帮助放射科医生,并可能改善患者治疗结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 准确的肺炎诊断对于有效的治疗至关重要,但它存在诊断挑战.
- 现有的计算机辅助诊断 (CADx) 模型在用于肺炎检测的特征提取方面存在局限性.
研究的目的:
- 引入WSDC-ViT网络,以加强计算机辅助肺炎检测.
- 为了提高诊断准确度,并减少放射科医生的工作量.
主要方法:
- 开发了一个新的WSDC-ViT网络,具有可扩展的自我注意力机制和卷积精细化.
- 集成解查询,密钥和值维度,以减少计算开销.
- 采用基于窗口的交互式注意模块来进行远程依赖模型.
- 嵌入了一个基于卷积的模块,具有动态ReLU,用于细粒度的局部特征提取.
主要成果:
- 在胸部X射线数据集上实现了95.13%的准确性和95.63%的F1得分.
- 在CT数据集上获得了99.36%的准确性和99.34%的F1分数.
- 与现有的自动化肺炎分类方法相比,证明了卓越的性能.
结论:
- WSDC-ViT网络显示出在肺炎诊断中临床应用的巨大潜力.
- 拟议的架构有效地增强了全球和本地特征提取,以提高准确性.
- 这种人工智能驱动的方法可以帮助放射科医生更快,更准确地进行诊断.
