利用深度学习的皮肤癌检测：基于视觉 Transformer 的皮肤皮捣图像分类
计算机视觉与模式识别
2024-08-27 v2
摘要
皮肤癌检测仍代表医疗保健中的重大挑战。常见的检测方法往往冗长且需要人工帮助，在许多国家显得尤为不足。此前的研究表明，卷积神经网络（CNN）可以通过自动化和相当于人类水平的准确率来有效提供帮助。然而，尽管近几十年取得了进展，精确度仍有限，导致大量误分类，对人们的健康产生严重影响。因此，我们采用基于自注意力机制思想开发的视觉 Transformer（ViT），具体为两种预训练 ViT 配置。我们通常在对比决策树分类器和 k 近邻（KNN）分类器，以及 CNN 和更不复杂的 ViT之后发现，分类皮肤皮捣的指标显著提升。特别地，我们更加关注乳头状皮肤癌的性能，该类型是最致命的皮肤癌。ViT-L32 模型实现了 91.57% 的准确率和 58.54% 的乳头状皮肤癌召回率，而 ViT-L16 实现了 92.79% 的准确率和 56.10% 的乳头状皮肤癌召回率。这为更快速和更准确的诊断以及整体改善医疗保健领域提供了潜在工具。
关键词
引用
@article{arxiv.2407.18554,
title = {Skin Cancer Detection utilizing Deep Learning: Classification of Skin Lesion Images using a Vision Transformer},
author = {Carolin Flosdorf and Justin Engelker and Igor Keller and Nicolas Mohr},
journal= {arXiv preprint arXiv:2407.18554},
year = {2024}
}