基于变压器的方法来检测黑色素瘤.
Giansalvo Cirrincione1, Sergio Cannata2, Giovanni Cicceri3
1Département Electronique-Electrotechnique-Automatique (EEA), University of Picardie Jules Verne, 80000 Amiens, France.
Sensors (Basel, Switzerland)
|July 8, 2023
概括
这项研究介绍了一种视觉转换器 (ViT) 模型,用于早期检测黑色素瘤. 人工智能在区分癌症和非癌症皮肤病变方面取得了很高的准确性,帮助及时诊断.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 黑色素瘤是一种危险的皮肤癌,是由DNA损伤引起的,通常是由于紫外线暴露.
- 早期检测对于有效的黑色素瘤治疗和生存至关重要.
- 目前的诊断方法可以通过先进的计算工具来改进.
研究的目的:
- 开发和评估基于视觉转换器 (ViT) 的深度学习架构,用于分类黑色素瘤.
- 评估模型在皮肤病变公共数据集上的表现.
- 为了确定最佳的分类器配置用于黑色素瘤诊断.
主要方法:
- 使用视觉转换器 (ViT) 架构进行图像分类.
- 在ISIC挑战数据集上训练和验证模型,ISIC挑战数据集是皮肤癌图像的公共存储库.
- 分析了各种分类器配置,以确定最有效的设置.
主要成果:
- 性能最好的ViT模型实现了0.948.8的精度.
- 在识别黑色素瘤方面表现出高灵敏度 (0.928) 和特异性 (0.967).
- 获得了 0.948.9 的接收器运行特征曲线 (AUROC) 下的面积.
结论:
- 拟议的基于ViT的模型显示了对精确黑色素瘤分类的重大前景.
- 这种人工智能方法可以帮助皮肤科医生在早期和可靠的皮肤癌诊断.
- 进一步的开发可以加强用于黑色素瘤检测的临床决策.


