arXiv · AI· Sharan Thummagunti, Aayushi Padia, Abhiram Koppuravuri, Prabhu Prasad B M, G N Girish·· 1 天前AI 评分35
基于改进 CBAM ENet Skip 模型的低能耗肺肿瘤分割
Energy Efficient Lung Tumor Segmentation with a modified CBAM ENet Skip Model
AI 导读
提出一种轻量级肺肿瘤分割模型，基于 ENet 架构并融合 UNet 风格跳跃连接及 CBAM 注意力模块，DSC 达 0.90812。 模型参数仅 430,052 个，计算量为 0.549 GMAC，推理速度比 UNet 快 10 倍，参数比 SegNet 少 22 倍，并采用 Grad-CAM 提供可解释性分析。 该模型适合计算资源受限的临床环境，降低了部署成本并提升了实际应用的可行性。
来源：arXiv · AI · arxiv.org