有效的皮肤病变细分与边界蒸
1School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, 200444, China. zaifangzhang@shu.edu.cn.
Medical & biological engineering & computing
|May 1, 2024
概括
这项研究引入了一种用于医疗图像细分的新知识蒸方法,改进了边缘设备的轻量级模型. 该方法增强了边界特征的学习,以便更准确地对皮肤病变进行细分.
科学领域:
- 皮肤病学 皮肤病学
- 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 复杂的医学图像细分模型阻碍了边缘计算的效率.
- 现有的知识蒸方法往往忽视了皮肤病变细分的边界特征.
研究的目的:
- 开发一种新的知识蒸架构,以实现高效的医学图像细分.
- 通过专注于边境地区来提高简化学生网络的表现.
主要方法:
- 设计了一个掩盖边界特征 (MBF) 蒸模块,以强调损伤外围.
- 将MBF集成到多头边界特征 (M2BF) 蒸模块中,以增强特征学习.
- 验证了ISIC-2016和PH2数据集的方法.
主要成果:
- 蒸的轻量级网络显示出显著的性能改进.
- 该方法有效地将知识从复杂的教师网络转移到更简单的学生网络.
- 观察到增强的特征学习,特别是在边境地区.
结论:
- 拟议的MBF和M2BF蒸模块对于医学图像细分是有效的.
- 轻量级蒸网络适用于需要速度和低存储的边缘计算应用.
- 这项研究促进了皮肤学图像分析的实际应用.


