皮肤Former:学习统计纹理表示与变压器皮肤损伤细分
IEEE journal of biomedical and health informatics
|June 24, 2024
概括
这项研究介绍了SkinFormer,这是一个用于准确细分皮肤病变的新型网络. 它有效地整合了统计纹理信息,改进了从皮肤镜图像的黑色素瘤诊断.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 准确的皮肤病变细分对于有效的皮肤癌诊断至关重要.
- 自动黑色素瘤细分具有挑战性,因为难以结合纹理表示.
- 现有的方法往往难以整合本地结构和全球统计结构信息.
研究的目的:
- 提出一种新的变压器网络,SkinFormer,用于在皮肤病变细分中高效地提取和融合统计纹理表示.
- 为了提高皮肤镜图像中黑色素瘤细分的准确性.
主要方法:
- 开发了一个由库尔托斯指导的统计计计数运算符来量化统计结构.
- 引入了统计纹理融合变压器,以融合结构和统计纹理信息.
- 拟议的统计纹理增强变压器使用全球关注机制来改进多尺度特征的统计纹理.
主要成果:
- 与最先进的 (SOAT) 方法相比,SkinFormer 在三个公共皮肤病变数据集上表现出更高的性能.
- 在ISIC 2018数据集上获得了93.2%的高子得分.
- 拟议的网络有效地提取和融合统计结构,以改善细分.
结论:
- 通过整合统计纹理信息,SkinFormer提供了一种高效有效的方法来对皮肤病变进行细分.
- 该方法显示了改善皮肤癌自动诊断的巨大潜力.
- 该架构可适应未来的应用,包括3D图像细分.
