一种用于皮肤病变分类的深度多任务学习方法
计算机视觉与模式识别
2022-03-24 v3
摘要
皮肤病变识别是皮肤病诊断的关键步骤。在描述皮肤病变时,记录其身体部位分布非常重要,因为许多皮肤病通常影响身体的特定部位。为利用皮肤病变与其身体部位分布之间的相关性,本研究探讨了利用身体位置提供的附加上下文信息改进皮肤病变分类的可能性。具体而言,我们构建了一个深度多任务学习(MTL)框架,以联合优化皮肤病变分类与身体位置分类(后者用作归纳偏置)。我们的 MTL 框架使用最先进的 ImageNet 预训练模型,并为这两个相关任务配备专门的损失函数。实验表明,所提基于 MTL 的方法比其独立(单任务)对应方法表现更稳健。
引用
@article{arxiv.1812.03527,
title = {A Deep Multi-task Learning Approach to Skin Lesion Classification},
author = {Haofu Liao and Jiebo Luo},
journal= {arXiv preprint arXiv:1812.03527},
year = {2022}
}
备注
AAAI 2017 Joint Workshop on Health Intelligence W3PHIAI 2017 (W3PHI & HIAI), San Francisco, CA, 2017