基于深度学习与不平衡感知策略的皮肤疾病自动差别诊断
计算机视觉与模式识别
2026-05-07 v2
摘要
随着皮肤病病例的增多和皮肤科医生的供给不足，迫切需要智能工具来支持患者和临床医生及时准确地诊断皮肤疾病。本项目中，我们开发了一个基于深度学习的皮肤病分类诊断模型。通过利用公开的皮肤病图像数据集进行预训练，模型有效提取了视觉特征，并准确分类了各种皮肤病例。整个项目期间，我们不断精炼模型架构、优化数据预处理流程，并应用针对性数据增强技术以提高整体性能。最终模型基于Swin Transformer， 在ISIC2019数据集上实现了对八类皮肤皮捣的预测准确率为87.71%。这些结果表明，该模型作为临床医生的诊断支持工具以及患者自我评估工具具有潜力。
引用
@article{arxiv.2601.00285,
title = {SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting},
author = {Jun-Jee Chao and Volkan Isler},
journal= {arXiv preprint arXiv:2601.00285},
year = {2026}
}