基于注意力机制的单疱疱疹皮肤损伤检测特征融合网络

最近的单疱疱疹疫情引发了由于其在多个国家的快速传播而引发的重大公共卫生关注。单疱疱疹早期可能难以与鸡疮和水痘区分，因为三者的症状相似。现代深度学习算法可用于通过分析受感染区域的图像来识别疾病，包括COVID-19。在本研究中，我们引入了一个轻量级模型，将两个预训练架构（EfficientNetV2B3和ResNet151V2）合并，用于分类人类单疱疱疹疾病。我们还整合了 squeeze-and-excitation注意力网络模块，以关注特征图中重要部分，以对单疱疱疹图像进行分类。该注意力模块提供通道注意力和空间注意力，以突出特征图中的显著区域。我们通过在公开可用的单疱疱疹皮肤损伤数据集上进行广泛测试，并采用四折交叉验证方法来评估模型的有效性。我们的模型的评估指标与现有方法进行了比较。我们的模型在平均验证准确率达到96.52%，精确率、召回率和F1得分分别为96.58%、96.52%和96.51%。