基于动态自我注意和特征分辨器损失的口腔粘膜疾病识别
Fei Xie1,2, Pengfei Xu3, Xinyi Xi3
1Xi'an Key Laboratory of Human-Machine Integration and Control Technology for Intelligent Rehabilitation, Xijing University, Xi'an, China.
Oral diseases
|September 21, 2023
概括
一个新的动态自我注意力和特征歧视丧失功能 (DSDF) 模型改善了口腔粘膜疾病的识别. 这种人工智能方法实现了91.16%的准确性,超过了现有的更好的诊断方法.
科学领域:
- 医疗图像分析 医学图像分析
- 医疗保健中的人工智能
- 口腔病理学 口腔病理学
背景情况:
- 口腔粘膜疾病由于数据不平衡,复杂的背景和类似的视觉特征而带来诊断挑战.
- 准确的鉴定对于及时有效的患者治疗和管理至关重要.
研究的目的:
- 开发一种新的动态自我注意力和特征歧视丧失功能 (DSDF) 模型,用于增强口腔粘膜疾病的识别.
- 为了解决处理数据不平衡和口腔病变复杂视觉特征的现有方法的局限性.
主要方法:
- 实施了一个动态的自我注意网络,以捕获上下文信息并改善用于病变定位的视觉表示.
- 利用特征歧视损失函数来增强模型通过限制道特征多样性来区分相似的口腔损伤区域的能力.
主要成果:
- 拟议的DSDF模型实现了口腔粘膜疾病的领先识别准确率91.16%.
- DSDF表现出卓越的性能,超过先进方法约6%,回忆率为90.87%,F1得分为90.60%.
结论:
- 卷积神经网络,增强动态自我注意力和特征歧视损失,有效地捕捉和区分口腔病变的视觉特征.
- DSDF模型显示了改善口腔粘膜疾病辅助诊断的巨大潜力.
