动态子集群意识网络为少数射击皮肤疾病分类.
IEEE transactions on neural networks and learning systems
|December 13, 2023
概括
这项研究引入了子集群意识网络 (SCAN),以改进几次射击皮肤疾病的分类. 扫描通过捕捉疾病类别内的内部变异来提高罕见皮肤病的诊断准确度.
科学领域:
- 医疗信息学 医疗信息学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 短暂学习 (FSL) 在稀有皮肤疾病的分类方面存在挑战,因为数据有限.
- 皮肤疾病图像数据集通常包含固有的子集群,代表单一疾病类别内的变异.
研究的目的:
- 开发一种新的方法,子集群意识网络 (SCAN),以提高几次射击皮肤疾病分类的准确性.
- 提高特征编码器在皮肤疾病类中捕获子集群表示的能力,以更好地表征特征分布.
主要方法:
- 提出了一种双分支框架:一个分支用于类别特征学习,另一个分支用于保留子集群结构.
- 引入了对无监督集群进行集群损失以了解图像相似性.
- 设计了纯度损失来完善聚类结果,确保子集群包含来自同一类的样本.
主要成果:
- 与最先进的方法相比,SCAN框架显示出更高的性能.
- 在 SD-198 和 Derm7pt 数据集的灵敏度,特异性,准确性和 F1 评分方面实现了 2% - 5% 的改进.
结论:
- 拟议的SCAN方法有效地解决了几次射击皮肤疾病分类的挑战.
- SCAN学习子集群表示的能力显著提高了罕见皮肤疾病的诊断性能.
