一种新的皮肤病变预测和分类技术:ViT-GradCAM
Muhammad Shafiq1,2, Kapil Aggarwal3, Jagannathan Jayachandran4
1School of Information Engineering, Qujing Normal University, Qujing, China.
概括
这项研究介绍了ViT-GradCAM,这是一种用于准确检测皮肤癌的新型深度学习模型. 它能够高精度地从皮肤镜图像中分类七种类型的皮肤病变.
科学领域:
- 皮肤病学和医学成像学
- 医疗保健中的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 皮肤癌是一种普遍的疾病,需要早期检测才能有效治疗.
- 深度学习模型,特别是视觉转换器 (ViT),在帮助临床医生进行皮肤病变分析方面表现有前途.
- 准确的多类预测对于区分各种皮肤病理至关重要.
研究的目的:
- 开发和评估一个新的视觉变压器 (ViT) 梯度加权类激活映射 (GradCAM) 基础架构,称为ViT-GradCAM.
- 通过皮肤镜像来提高七种类型的皮肤病变的检测和分类.
- 改进现有的深度学习模型,用于皮肤病变分析.
主要方法:
- 提出了一个新的ViT-GradCAM架构用于皮肤病变检测和分类.
- 在HAM10000数据集上训练并验证了该模型,该数据集包括10,015张皮肤镜像.
- 实施数据预处理和增强技术,以解决类不平衡并提高模型性能.
主要成果:
- 在七个皮肤病变类别中实现了高分类准确度 (97.28%),精度 (98.51%),回忆 (95.2%) 和F1评分 (94.6).
- 与其他最先进的深度学习模型相比,在皮肤病变检测方面表现出卓越的性能.
- 可视化了ViT-GradCAM架构,以突出显示与皮肤病理相关的关键区域.
结论:
- ViT-GradCAM为准确的皮肤病变检测和分类提供了一个有效的替代方案.
- 视觉变压器 (ViT) 和梯度加权类激活映射 (GradCAM) 的集成显著提高了诊断准确度.
- 这种方法提高了AI驱动的工具在临床皮肤病学中的可靠性.
关键词:
在 Grad-CAM 中使用.多头自我注意力 (MSA)线性补丁投影的线性补丁投影.多层感知子 (MLP) 是一种多层感知子.皮肤病变 皮肤病变变压器编码器编码器视觉变压器 (ViT) 是一个视觉变压器.更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
