Attention Mechanism for Pulmonary Disease Detection in X-Ray Images
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This paper proposes an attention mechanism to classify lung X-ray radiographs as normal, lung opacity, as well as Viral Pneumonia. The proposed architecture integrates convolutional layers, residual layers, inception layers, and a multilayer attention mechanism. We have used augmentations of Gaussian blur and the addition of Salt and Pepper noise to increase variations in the dataset. This proposed network improves the classification accuracy of the Lung Disease Dataset, improving traditional models like VGG16, VGG19, DenseNet, and InceptionV3. This architecture achieves superior accuracy by effectively capturing spatial hierarchies and focusing on the most relevant features.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Attention Mechanism for Pulmonary Disease Detection in X-Ray Images
- Date Crossref
- 06/03/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.