在医疗图像分类中增强深度假冒检测的注意力丧失物理信息的神经网络:诊断性能评估:一个诊断性能评估
Roshani A Parate1, Kirti Jain2
1Computer Science and Engineering, Sanjeev Agrawal Global Educational University, Bhopal, India.
概括
一种名为MDD-MI-LAPINN的新方法使用隐性无气味颗粒过器 (IUPF) 和注意力丧失物理信息神经网络 (LAPINN) 准确检测医疗深度假冒. 这种方法确保了可靠的医学图像,并防止了错误诊断.
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:
- 在医学成像中识别深度假冒对于诊断准确性和预防欺诈至关重要.
- 高的计算成本和未被注意到的欺诈性变化在医学深度假冒检测方面带来了重大挑战.
研究的目的:
- 介绍MDD-MI-LAPINN,一种用于检测医疗图像中深度假冒的新方法.
- 提高医学图像分类的可靠性和真实性.
主要方法:
- 来自膝关节骨关节炎和肺部CT扫描数据集的医疗图像使用隐性无气味颗粒过器 (IUPF) 进行了预处理.
- 使用注意力丧失物理信息神经网络 (LAPINN) 进行分类,以区分真实与操纵的图像.
主要成果:
- MDD-MI-LAPINN实现了高精度 (真实图像为99.34%,假图像为98.74%),精度,回忆和F1分数.
- 与EMDD-MI-YOLO,MDD-MedNet和DD-AGAA-CNN相比,该方法显示出更高的性能.
- 观察到对真实和假的医疗图像进行一致和准确的检测和分类.
结论:
- 在医学深度假冒检测中,MDD-MI-LAPINN提供了卓越的准确性和稳定性.
- IUPF和LAPINN的整合确保了精确可靠的医疗图像分类.