基于注意力引导的深度学习方法用于 39 种皮肤 lesion 分类
图像与视频处理
2025-01-13 v1 计算机视觉与模式识别
机器学习
摘要
皮肤作为人体最大的器官，易受多种疾病的影响，称为皮肤 lesion，这些疾病涵盖多种皮肤病。由于视觉差异微小且肉眼难以辨认，皮肤 lesion 的诊断对医务人员构成重大挑战。虽然并非所有皮肤 lesion 都危及生命，但某些类型可作为严重疾病（包括皮肤癌）的早期指征，凸显了及时准确诊断方法的关键需求。深度学习算法在皮肤 lesion 的早期检测和预后评估方面已显示出巨大的潜力。本研究通过整合五个公开数据集合成了涵盖 39 种皮肤 lesion 类别的全面且多样化的数据集。利用该数据集，严格评估了五种最先进的深度学习模型——MobileNetV2、Xception、InceptionV3、EfficientNetB1 和 Vision Transformer 的性能。为提升这些模型的准确性和鲁健性，采用 Efficient Channel Attention (ECA) 和 Convolutional Block Attention Module (CBAM) 等注意力机制集成到其架构中。通过多种综合性能指标的评估，结果表明集成 CBAM 的 Vision Transformer 模型表现最佳，准确率为 93.46%，精确率为 94%，召回率为 93%，F1 分数为 93%，特异度为 93.67%。这些结果凸显了本研究提出的系统在支持医务人员为诊断广泛皮肤 lesion 谱系提供准确且高效的预后工具方面的巨大潜力。本研究使用的数据集和代码可在 https://github.com/akabircs/Skin-Lesions-Classification 找到。
引用
@article{arxiv.2501.05991,
title = {An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types},
author = {Sauda Adiv Hanum and Ashim Dey and Muhammad Ashad Kabir},
journal= {arXiv preprint arXiv:2501.05991},
year = {2025}
}
备注
26 pages