机构名称：
¥ 1.0
阿尔茨海默氏病（AD）是全球残疾的主要原因。早期检测对于预防进展和制定有效的治疗计划至关重要。这项研究旨在开发一种新颖的深度学习（DL）模型，即混合RVIT，以增强AD的检测。所提出的混合-RVIT模型将预训练的卷积神经网络（RESNET-50）与视觉变压器（VIT）集成在一起，以对AD的不同阶段进行分类。用于转移学习，促进电感偏差和特征提取的Resnet-50。同时，VIT处理图像贴片的序列通过自我发项机制捕获长距离关系，从而充当局部全球特征提取器。Hybrid-Rvit模型的训练精度为97％，测试精度为95％，表现优于先前的模型。这证明了其在从脑MRI数据中准确识别和分类广告阶段的潜在疗效。将Resnet-50和VIT结合的混合动力模型在AD检测中表现出卓越的性能，强调了其作为医学专业人员解释和分析脑MRI图像的宝贵工具的潜力。该模型可以显着改善AD的早期诊断和干预策略。
Hybrid-rvit
主要关键词
相关文件推荐
