基于类层级正则化双曲嵌入的皮肤病变识别
计算机视觉与模式识别
2022-09-14 v1
摘要
在实践中，许多医学数据集在疾病标签空间上定义有潜在的分类法。然而，现有的医学诊断分类算法常假设语义独立的标签。在本研究中，我们旨在利用类层级与深度学习算法，实现更准确可靠的皮肤病变识别。我们提出一个双曲网络来联合学习图像嵌入与类原型。双曲空间可证明比欧氏几何更能为层次关系建模提供空间。同时，我们用从类层级编码的距离矩阵来约束双曲原型的分布。相应地，学习到的原型在嵌入空间中保留语义类关系，并且我们可以通过将图像特征分配给最近双曲类原型来预测其标签。我们使用一个包含约 23 万张涵盖 65 种皮肤病的皮肤镜图像的院内皮肤病变数据集来验证我们的方法。大量实验证明，与未考虑类关系的模型相比，我们的模型能以更轻的严重分类错误取得更高准确率。
引用
@article{arxiv.2209.05842,
title = {Skin Lesion Recognition with Class-Hierarchy Regularized Hyperbolic Embeddings},
author = {Zhen Yu and Toan Nguyen and Yaniv Gal and Lie Ju and Shekhar S. Chandra and Lei Zhang and Paul Bonnington and Victoria Mar and Zhiyong Wang and Zongyuan Ge},
journal= {arXiv preprint arXiv:2209.05842},
year = {2022}
}
备注
in The 25th International Conference on Medical Image Computing and Computer Assisted Intervention