基于阶段与分支注意力的深度监督皮肤病变诊断
图像与视频处理
2025-02-20 v6 计算机视觉与模式识别
机器学习
摘要
准确且无偏的皮肤病变检查对皮肤疾病的早期诊断和治疗至关重要。由于图像是使用不同成像设备从具有不同病变颜色和形态的的患者处采集的，皮肤病变的视觉特征差异显著。近期研究报道，集成卷积神经网络(CNNs)对于分类图像以早期诊断皮肤疾病是实用的。然而，这些集成 CNNs 的实际使用受限，因为它们重量级且不善于处理上下文信息。尽管已开发轻量网络（如 MobileNetV3 和 EfficientNet）以实现深度神经网络在移动设备上的参数缩减，但特征表示深度不足限制了性能。为解决现有局限，我们开发了一种新的轻量且有效的神经网络，即 HierAttn。HierAttn 应用一种新颖的深度监督策略，通过使用多阶段和多分支注意力机制并以单一训练损失学习局部和全局特征。HierAttn 的效能通过使用皮肤镜图像数据集 ISIC2019 和智能手机照片数据集 PAD-UFES-20 (PAD2020) 进行评估。实验结果表明，HierAttn 在最优轻量网络中取得了最佳的准确率和曲线下面积(AUC)。代码可在 https://github.com/anthonyweidai/HierAttn 获取。
引用
@article{arxiv.2205.04326,
title = {Deeply Supervised Skin Lesions Diagnosis with Stage and Branch Attention},
author = {Wei Dai and Rui Liu and Tianyi Wu and Min Wang and Jianqin Yin and Jun Liu},
journal= {arXiv preprint arXiv:2205.04326},
year = {2025}
}
备注
11 pages, 9 figures