换一批深度特征融合驱动的肺腺癌分类算法研究
Research on lung adenocarcinoma classification algorithms driven by deep feature fusion
摘要提出了一种基于深度模型自适应融合的肺腺癌亚型分类算法(ViT-CLSNet),通过将ViT和DenseNet并行融合,构建双流网络,增强对异型性特征的建模能力.此外,设计了一种新型高阶联合注意力机制(HOCAM),可有效定位肺腺癌的局部腺体结构.进一步通过深度自适应融合模块(AFB)提高双流网络在特征融合阶段的自适应性.实验结果显示,ViT-CLSNet在肺腺癌数据集上的平均分类准确率达90.92%,相比最优对比网络提升3.10%.
更多相关知识
分类号
R445（诊断学）
栏目名称
DOI
10.3969/j.issn.1674-8425(z).2025.05.013
发布时间
2025-06-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
重庆开放大学(重庆工商职业学院)科研项目（NDYB2023-07）
重庆市科委技术创新与应用发展专项（cstc2021jscx-gksbX0056）
中央高校基本科研业务费项目（2023CDJKYJH085）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
