丑小鸭还是天鹅：一种基于患者特异性挖掘的分层四元组网络用于改进皮肤病变分类
计算机视觉与模式识别
2023-09-19 v1 人工智能
摘要
丑小鸭是指与个体周围病变明显不同的皮肤病变，丑小鸭征是一种通过区分高度可疑和良性病变来辅助诊断皮肤黑色素瘤的标准。然而，色素性病变的外观在不同患者之间可能发生剧烈变化，导致丑小鸭的视觉分离困难。因此，我们提出 DMT-Quadruplet——一种深度度量学习网络，用于在两个层级（患者级和病变级）学习病变特征。我们引入了一种患者特异性四元组挖掘方法，结合分层四元组网络，驱动网络在两个层级之间全局和局部地学习更多上下文信息。我们进一步在患者特异性挖掘中引入动态边界，以便在个体内部挖掘更多有用的四元组。综合实验表明，我们提出的方法优于传统分类器，在分类丑小鸭病变时，其灵敏度比基线 ResNet18 CNN 高 54%，比朴素三元组网络高 37%。度量空间中数据流形的可视化进一步表明，DMT-Quadruplet 能够以患者特异性和患者无关性的方式成功分类丑小鸭病变。
引用
@article{arxiv.2309.09689,
title = {Ugly Ducklings or Swans: A Tiered Quadruplet Network with Patient-Specific Mining for Improved Skin Lesion Classification},
author = {Nathasha Naranpanawa and H. Peter Soyer and Adam Mothershaw and Gayan K. Kulatilleke and Zongyuan Ge and Brigid Betz-Stablein and Shekhar S. Chandra},
journal= {arXiv preprint arXiv:2309.09689},
year = {2023}
}
备注
12 pages, 6 figures