基于CNN和ResNet的MRI图像脑肿瘤自动检测研究

一项由Annapurna V K等研究者提交至arXiv的论文提出，利用卷积神经网络（CNN）和残差网络（ResNet）架构对MRI图像进行自动化脑肿瘤检测。该方法通过深度学习模型学习肿瘤特征，旨在提高诊断准确率和效率。研究者在2026年6月25日发布的预印本中展示了模型架构及初步结果，为医学影像分析提供了新的技术路径。该工作依托arXiv平台公开，并获得了相关学术资源工具的支持，有望推动脑肿瘤早期筛查与辅助诊断的发展。 #脑肿瘤检测 #MRI #CNN #ResNet #深度学习 #医学影像 #人工智能 #arXiv

Dropout和随机梯度遮蔽在大型ResNet中渐近等价

一篇题为《Dropout and Random Gradient Masking Are Asymptotically Equivalent in Large ResNets》的arXiv论文提出，在大规模残差网络（ResNet）中，两种常见的正则化技术——Dropout（随机丢弃神经元）和Random Gradient Masking（随机梯度遮蔽）——在渐近意义上是等价的。作者通过理论分析证明了在深度和宽度趋于无穷时，两者的统计行为趋于一致。这一结论有助于理解深度神经网络中不同正则化方法的本质联系，并为简化模型设计和训练策略提供了理论依据。该研究目前已在arXiv上发布，相关代码和数据可通过链接获取。 #深度学习 #正则化 #Dropout #ResNet #梯度遮蔽 #机器学习 #理论研究