关键词deep learning-based classification
搜索结果 - 4
- 用于解码阿尔茨海默病的可解释的多模态神经影像学 - 基因组学生成框架
阿尔茨海默病(AD)是认知能力逐渐下降的最常见的痴呆形式之一。本研究采用结构和功能性 MRI 探究了疾病引起的灰质和功能网络连接变化,并引入基因 SNP 作为第三个通道。我们提出了一种基于深度学习的分类框架,使用 Cycle GAN 生成模 - 基于冰图的海冰分类的部分标签学习与焦点损失
通过将海冰分类训练形式化为部分标签学习任务,并利用明确的置信度分数,将多标签和类别不平衡问题得到解决的一种新型 GeoAI 方法,用于通过训练卷积神经网络(CNN)来提高 Sentinel-1 双极化 SAR 图像中海冰的分类性能。相较于传 - 基于可解释卷积神经网络的视网膜底部分类及基于先进视网膜血管图像分割模型
我们的研究聚焦于通过检查眼底图像中的视网膜血管进行疾病的早期诊断。我们利用八个预训练的 CNN 模型进行基于深度学习的分类,同时应用了可解释的 AI 技术,如 Grad-CAM、Grad-CAM++、Score-CAM、Faster Sco - 基于上下文感知的高效物联网推理
在资源受限环境中,采用上下文感知的策略,即专注于当前上下文中可能的类别,可以显著提高基于深度学习的分类模型在低功耗平台上的性能。本文提出了一种名为 CACTUS 的新范式,用于可扩展和高效的上下文感知分类,通过微分类器识别与当前上下文相关的