Medizinische ML-Hybridmodelle: Das Beste aus beiden Welten – CNN-Transformer-Architekturen für die klinische Bildgebung

Key Points

• Diese Forschung untersucht die Effektivität der Kombination von CNNs und Transformern für medizinische Bildgebungsaufgaben.
• Entwicklung einer hybriden Architektur, die konvolutionale neuronale Netzwerke und Transformer kombiniert.
• Anwendung des Modells auf verschiedene klinische Bildgebungsdatensätze.
• Bewertung der Leistung basierend auf diagnostischer Genauigkeit und rechnerischer Effizienz.
• Verbesserte Genauigkeit im Vergleich zu traditionellen Deep-Learning-Modellen gezeigt.
• Schnellere Verarbeitungszeiten im Vergleich zu reinen CNN-Architekturen erreicht.
• Erhöhte Fähigkeit zur Erfassung komplexer Merkmale in klinischen Bildern angezeigt.