МЕДИЦИНАЛЫҚ КЕСКІНДЕРДІ КӨП КЛАСТЫ ЖІКТЕУ ҮШІН ТЕРЕҢ ОҚЫТУДЫҢ КОНВОЛЮЦИЯЛЫҚ ЖӘНЕ ТРАНСФОРМЕРЛІК АРХИТЕКТУРАЛАРЫНЫҢ ТИІМДІЛІГІН САЛЫСТЫРМАЛЫ ТАЛДАУ ЖӘНЕ БАҒАЛАУ

Аңдатпа

Күйіктің тереңдігі мен ауданын дәл анықтау — дұрыс емдеу әдісін таңдаудың кілті. Әдетте дәрігерлер визуалды бағалауға сүйенеді, бұл көбінесе субъективті және мамандар арасындағы келіспеушіліктерге әкелуі мүмкін, сонымен қатар диагностиканың дәлдігін төмендетеді. Медициналық кескіндерді талдау үшін терең оқыту әдістері соңғы жылдары белсенді дамып келе жатқанымен, күйіктердің ауырлығын анықтаудағы трансформаторлық модельдердің әлеуеті әлі зерттелмеген. Біздің жұмысымызда біз терең оқытудың заманауи архитектураларына негізделген күйіктерді автоматты түрде жіктеудің жаңа әдісін ұсындық. Біз алдын ала дайындалған салмақтармен (веса) трансферлік оқыту технологияларын қолдандық, сонымен қатар модельдің сенімділігін арттыру үшін деректерді күшейтуді қолдандық. Оқыту үшін AdamW оңтайландырушысы таңдалды және модельді тұрақты және жалпылауға қабілетті ету үшін динамикалық оқу жылдамдығын басқаруды енгізді. Зерттеулер шеңберінде әртүрлі архитектуралар — конволюциялық нейрондық желілер де, трансформаторлар да сыналды. Жергілікті текстуралық бөлшектерді де, жаһандық контекстік белгілерді де тиімді есепке алу қабілетінің арқасында 94,2% дәлдікке жеткен трансформаторлық модель ең жақсы нәтиже көрсетті