利用标签分布平滑提升痤疮图像分级

痤疮是一种普遍的皮肤病，需要精确的严重程度评估以进行有效治疗。痤疮严重程度分级通常涉及皮损计数和整体评估。然而，人工分级存在变异性大和效率低的问题，凸显了对自动化工具的需求。近年来，标签分布学习 (LDL) 被提出作为痤疮图像分级的有效框架，但其有效性受到严重程度量表的阻碍，因为该量表为不同严重程度等级分配了不同数量的皮损。针对这些局限性，我们提出将严重程度量表信息纳入皮损计数，方法是将 LDL 与标签平滑相结合，并将其与整体评估解耦。我们方法中的一种新颖加权方案根据严重程度分级量表调整标签平滑的程度。该方法有助于在不损害类别区分度的情况下有效管理标签不确定性。在基准 ACNE04 数据集上的应用表明，我们的模型在自动痤疮分级方面表现出改进的性能，展示了其在增强痤疮诊断方面的潜力。源代码公开于 http://github.com/openface-io/acne-lds。