用于皮肤病变诊断的渐进式类间注意力（PCA）方法
机器学习
2023-06-14 v1 人工智能
计算机视觉与模式识别
摘要
皮肤癌在全球所有癌症中发病率最高。早期检测的重要性再怎么强调也不为过，因为晚期病例可能致命。然而，由于皮肤病变可能表现出多种变异（如颜色、形状和大小上的差异、同类内的显著变化以及不同类间的明显相似性），其分类面临若干挑战。本文提出一种新颖的类间注意力技术，在平等对待每一类的同时挖掘皮肤病变更具体的细节。该注意力机制被渐进式地用于融合来自多个尺度的判别性特征细节。所提出的技术展现出令人印象深刻的性能，超越了包括 HAM1000 和 ISIC 2019 排行榜冠军在内的 15 种以上前沿方法。它在 HAM10000 数据集上取得了 97.40% 的准确率，在 ISIC 2019 数据集上取得了 94.9% 的准确率。
引用
@article{arxiv.2306.07300,
title = {Progressive Class-Wise Attention (PCA) Approach for Diagnosing Skin Lesions},
author = {Asim Naveed and Syed S. Naqvi and Tariq M. Khan and Imran Razzak},
journal= {arXiv preprint arXiv:2306.07300},
year = {2023}
}