多任务可解释皮肤病变分类
计算机视觉与模式识别
2023-10-12 v1
摘要
皮肤癌是最致命的疾病之一,若不加治疗死亡率极高。诊断通常始于视觉筛查,随后进行活检或组织病理学检查。早期检测有助于降低死亡率。视觉筛查可能受限于医生经验。由于皮肤科数据集的长尾分布及类间显著 intra-variability,利用计算机辅助方法的自动分类变得困难。本工作中,我们提出一种基于多任务少样本的皮肤病变方法,能以少量标注数据良好泛化,以应对小样本空间挑战。所提方法融合了一个充当注意力模块的分割网络与分类网络。分割网络的输出有助于分类网络决策时聚焦于最具判别力的特征。为进一步提升分类性能,我们以加权方式结合分割与分类损失。我们还包含了可视化结果以解释算法所作决策。使用三个皮肤科数据集对所提方法进行了充分评估。我们还进行了跨数据库实验以确保所提方法在相似数据集间具泛化性。实验结果证明了所提工作的有效性。
引用
@article{arxiv.2310.07209,
title = {Multi-task Explainable Skin Lesion Classification},
author = {Mahapara Khurshid and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2310.07209},
year = {2023}
}