无国界医疗网络:一种轻量级的多尺度功能融合网络,用于皮肤损伤细分
Dangguo Shao1,2, Lifan Ren1, Lei Ma1
1Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China.
Biomedicines
|June 28, 2023
概括
这项研究介绍了MSF-Net,这是一种用于准确细分皮肤病变的新型深度学习模型. 它通过有效地处理较少参数的多样化病变特征来改善早期黑色素瘤诊断.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 皮肤病学 皮肤病学
背景情况:
- 准确的皮肤病变细分对于早期黑色素瘤诊断至关重要.
- 挑战包括皮肤学图像中的尺度,形状,对比度和边界定义的变化.
研究的目的:
- 提出一个多尺度特征融合网络 (MSF-Net) 以改善皮肤病变细分.
- 解决现有方法在处理复杂的病变特征方面的局限性.
主要方法:
- 基于全面的注意力卷积神经网络 (CA-Net) 开发了MSF-Net.
- 在剩余连接中内置空间注意力机制,以专注于关键图像区域.
- 利用多尺度扩展卷积模块 (MDC) 和多尺度特征融合模块 (MFF) 进行增强的上下文信息提取和自适应的受感场调整.
主要成果:
- 在ISIC2018数据集上,MSF-Net显示了高的有效性.
- 废弃性研究证实了拟议的关注,MDC和MFF模块的有效性.
- 对比实验表明,MSF-Net与现有的先进网络相比,在较少的参数下实现了优越的细分性能.
结论:
- 无国界医生网为具有挑战性的皮肤病变细分任务提供了有效的解决方案.
- 拟议的网络架构通过增强的图像分析,提高了黑色素瘤的诊断准确性.
- 无国界医生网 (MSF-Net) 为皮肤学图像细分提供了一种计算效率高的方法.
