Giải pháp kết hợp Vision Transformer và Active Learning trong phát hiện và phân loại tổn thương gan

Tóm tắt

Bài báo này đề xuất một giải pháp kết hợp giữa Vision Transformer (ViT) và học chủ động (Active Learning) để phát hiện và phân loại tổn thương gan trên ảnh CT. Nghiên cứu được thực hiện trên 2008 ảnh CT và sử dụng các mô hình DenseNet-121, VGG-16 cùng Vision Transformer, đạt độ chính xác cao nhất là 0.99. Học chủ động được áp dụng để giảm chi phí gán nhãn thủ công và tối ưu hóa quy trình học máy. Kết quả nghiên cứu cho thấy phương pháp này có tiềm năng ứng dụng trong các hệ thống hỗ trợ chẩn đoán y tế.