.png){kind=icon}
.png){kind=icon}
返回
Brain Tumor Classification Model Guided by Class Activation Mapping
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compmedimag.2026.102726.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出CAM-BTC，一种利用类激活映射（Class Activation Mapping）以提高准确性和可解释性的脑肿瘤分类模型。
• 该模型采用一种创新的二分支结构，包括一个带有显著性学习模块（Saliency Learning Module）的注意力分支和一个带有样本选择模块（Sample Selection Module）的感知分支，从而提升模型性能与可解释性。
• 该模型实现了96%至99%的优异准确率范围，平均值为97.41%，超越了其他用于脑肿瘤分类的深度学习方法。
Keyword:
CAM-BTC
Brain Tumor Classification
Class Activation Mapping
Attention Branch
Saliency Learning Module
查看更多机构