8、4D fMRI图像分类与医学图像分割模型防御机制研究

4D fMRI图像分类与医学图像分割模型防御机制研究

在机器学习领域，对4D fMRI图像进行分类以及保护医学图像分割模型免受攻击是两个重要的研究方向。本文将围绕这两方面展开探讨，介绍相关模型的训练性能、分类准确性，以及针对医学图像分割模型的防御机制。

4D fMRI图像分类

训练性能

在特定系统环境下（配备两个10核、2.8 GHz的Intel Xeon E5 - 2670v2 CPU和一个NVIDIA K40 GPU，使用Python 3.7.7、Pytorch 1.5.0和CUDA 10.1）对CNN - A、CNN - B和Transformer网络进行实现。通过五个分类实验发现，Transformer模型的收敛速度比CNN模型更快。

数据集	CNN - B训练时间（s）±标准差（s）	CNN - A训练时间（s）±标准差（s）	Transformer训练时间（s）±标准差（s）	Transformer/CNN - A	Transformer/CNN - B
AD - CN - Mixed	201.72 ± 12.49	188.88 ± 21.47	27.41 ± 8.40	6.71X	7.35X