Burhanettin Ozdemir · Emrah Aslan · Ishak Pacal · IEEE Access · 2025年1月

肺癌是全球癌症相关死亡的最常见原因。这种高度致命和流行疾病的早期诊断可显著提高生存率并防止其进展。计算机断层扫描CT是肺癌诊断的金标准成像方式，为肺结节评估提供关键见解。呈现集成卷积神经网络CNN和视觉Transformer ViT的混合深度学习模型。通过优化和集成网格和块注意力机制与InceptionNeXt块，所提模型有效捕获CT图像中的细粒度和大规模特征。这种综合方法使模型不仅能区分恶性和良性结节，还能识别腺癌、大细胞癌和鳞状细胞癌等特定癌症亚型。InceptionNeXt块的使用促进多尺...

解读: 该肺癌检测深度学习模型对阳光电源智能诊断技术有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但CNN与ViT混合架构和注意力机制可应用于阳光设备缺陷检测和故障诊断。多尺度特征处理技术对阳光光伏组件热斑检测和储能设备异常识别有参考价值。轻量级高精度模型设计思路与阳光边缘智能设备需求一致。迁移学习方法可应用...