通过多模态数据与辅助任务集成优化皮肤病变分类
计算机视觉与模式识别
2024-02-19 v1
摘要
全球皮肤病患病率不断上升，其中部分若未及时诊断和治疗可能恶化至危及生命的阶段，这构成了重大的医疗挑战。在医疗资源有限的偏远地区，这一问题尤为严峻，往往导致治疗延误，使皮肤病发展至更关键阶段。诊断皮肤病的主要挑战之一是其类间差异较小，因为许多疾病表现出相似的视觉特征，使得准确分类极具挑战性。本研究引入了一种新颖的多模态皮肤病变分类方法，将智能手机拍摄的图像与必要的临床及人口统计信息相结合。这种方法模仿了医疗专业人员采用的诊断流程。该方法的一个独特方面是集成了专注于超分辨率图像预测的辅助任务。该组件在细化视觉细节和增强特征提取方面发挥着至关重要的作用，从而提高了类间区分度，进而提升了模型的整体有效性。实验评估使用 PAD-UFES20 数据集进行，并应用了各种深度学习架构。实验结果不仅证明了所提方法的有效性，也展示了其在资源匮乏的医疗环境中的潜在适用性。
引用
@article{arxiv.2402.10454,
title = {Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration},
author = {Mahapara Khurshid and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2402.10454},
year = {2024}
}