基于视觉Transformer微调的麻疹皮疹精准检测
图像与视频处理
2025-08-19 v6 机器学习
定量方法
摘要
麻疹是一种高度传染性疾病，在数十年的成功疫苗接种运动后被宣布于2000年在美国消除，但在2025年再度暴发，截至2025年8月5日已报告1356例确诊病例。鉴于其在易感人群中快速传播的特点，快速可靠的诊断系统对于早期预防和遏制至关重要。本工作中，我们应用迁移学习对预训练的数据高效图像Transformer（Data-efficient Image Transformer, DeiT）模型进行微调，以区分麻疹皮疹与其他皮肤病症。在多样化、经过筛选的皮疹图像数据集上调整分类头后，DeiT模型达到了平均分类准确率95.17%、精确率95.06%、召回率95.17%以及F1分数95.03%，展现出在精准麻疹检测以助力疫情控制方面的高度有效性。我们还将DeiT模型与卷积神经网络进行了比较，并讨论了未来研究方向。
引用
@article{arxiv.2005.09112,
title = {Accurate Measles Rash Detection via Vision Transformer Fine-Tuning},
author = {Harshana Rajakaruna and Dong Li and Anil Shanker and Qingguo Wang},
journal= {arXiv preprint arXiv:2005.09112},
year = {2025}
}