ELA-Net:一个高效的轻量级注意力网络,用于皮肤损伤细分
Tianyu Nie1, Yishi Zhao2,3, Shihong Yao1
1School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
我们开发了一个高效的轻量级注意网络 (ELANet),用于精确的皮肤病变细分. ELANet平衡了高性能与小型模型尺寸,非常适合医疗器械.
科学领域:
- 医疗图像分析 医疗图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 皮肤病学中的人工智能
背景情况:
- 轻量级的皮肤病变细分对于将AI整合到医疗设备中至关重要.
- 现有的轻量级模型在复杂的皮肤病变图像上难以准确.
研究的目的:
- 为皮肤病变细分提出一个高效的轻量级注意网络 (ELANet).
- 为了提高准确性,同时保持小型模型足迹,用于临床应用.
主要方法:
- 使用双边残余模块 (BRM) 具有双重注意力机制,用于增强特征提取.
- 采用多层次的注意力融合 (MAF) 来整合全球信息并改善细分.
- 堆叠多个BRM,以有效处理输入数据.
主要成果:
- 在ISIC2016上实现了89.87%的mIoU,在ISIC2017上达到81.85%的mIoU,在ISIC2018上达到82.87%的mIoU.
- 保持了0.459M的小参数计数,表现出极好的轻度.
- 在准确性和效率方面,超越了现有的细分方法.
结论:
- 对于皮肤病变细分,ELANet提供了精度和模型轻度之间的卓越平衡.
- 拟议的网络适合在资源有限的医疗器械上部署.
- 这种方法提升了人工智能驱动的皮肤病诊断的潜力.
