LSCS-Net:一个轻量级的皮肤癌细分网络,具有密集连接的多速率心膜卷积
Sadia Din1, Omar Mourad2, Erchin Serpedin3
1Electrical and Computer Engineering Program, Texas A&M University, Doha, Qatar.
Computers in biology and medicine
|March 28, 2024
概括
一个新的轻量级皮肤癌细分网络 (LSCS-Net) 改善了黑色素瘤检测. 这种人工智能模型通过准确细分各种皮肤学图像来增强早期皮肤癌诊断.
科学领域:
- 医学图像分析 医学图像分析
- 计算机视觉 计算机视觉
- 皮肤病学 皮肤病学
背景情况:
- 皮肤癌,特别是黑色素瘤,对公众健康构成重大挑战.
- 现有的计算机视觉模型由于照明,患者特征和头发密度的变化,难以对各种皮肤学图像进行细分.
研究的目的:
- 开发一个创新的,端到端可训练网络,以加强皮肤癌细分.
- 解决当前处理多样化和复杂的皮肤学图像数据的方法的局限性.
主要方法:
- 采用了编码器-解码器架构,结合了一种新的特征提取块和密集连接的多速率Atrous卷积块.
- 拟议的轻量级皮肤癌细分网络 (LSCS-Net) 在ISIC 2016,ISIC 2017和ISIC 2018基准数据集上进行了评估.
主要成果:
- LSCS-Net在皮肤病变细分基准上取得了最先进的结果.
- 该网络在乳腺癌和甲状腺结节细分数据集上展示了出色的概括能力.
- 观察到显著升高的雅卡德指数,证实了该车型的卓越性能.
结论:
- 开发的LSCS-Net为准确的皮肤癌细分提供了一种先进的方法.
- 这种人工智能驱动的工具有可能改善皮肤癌的早期检测和管理.
- 该网络在多个数据集中的强大性能突显了其临床适用性.
