U-Net與ResNet的優(yōu)化及其在腦腫瘤分割與肺部病變識別中的精準(zhǔn)化應(yīng)用

摘要：為提升智能醫(yī)療影像診斷的精準(zhǔn)度，文章分別針對圖像分割與分類任務(wù)，構(gòu)建并優(yōu)化了兩種深度學(xué)習(xí)模型。文章設(shè)計了一種結(jié)合U-Net與注意力機制（U-Net+Attention） 的影像分割模型，并引入基于ResNet50的遷移學(xué)習(xí)分類網(wǎng)絡(luò)（ResNet50+FT） 用于肺部病變識別。模型利用多通道卷積結(jié)構(gòu)處理多模態(tài)數(shù)據(jù)，并融合Focal Loss以應(yīng)對類別不平衡問題。（剩余6602字）