轻DPH:用于皮肤损伤分类的轻量级双投影头层次对比学习
Benny Wei-Yun Hsu1, Vincent S Tseng1,2
1Institute of Computer Science and Engineering, National Yang Ming Chiao Tung University, No. 1001, Daxue Rd., Hsinchu City, 300093 Taiwan Republic of China.
Journal of healthcare informatics research
|October 28, 2024
概括
这项研究引入了一种用于皮肤癌检测的新型轻量级模型,显著减少皮肤病变的错误分类错误. 开发的方法提高了便携式医疗器械的模型效率.
科学领域:
- 皮肤病学 皮肤病学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 有效的皮肤癌检测依赖于准确的皮肤病变分类.
- 现有的模型往往缺乏在便携式设备上部署的效率.
- 主要类型的错误分类在现实应用中仍然是一个挑战.
研究的目的:
- 为皮肤病变分类提出一种新的轻量级方法,以解决主要类型的错误分类.
- 开发适用于资源有限的环境和便携式应用程序的模型.
- 提高皮肤病变检测模型的灵敏度和效率.
主要方法:
- 介绍了轻量级双投影头层次对比学习 (LightDPH) 方法.
- 使用了双投影头机制,具有多层次的对比损失 (MultiCon Loss).
- 实现了基于距离的重量 (DBW) 函数,以根据层次层次调整损失.
主要成果:
- 轻DPH实现了参数 (52.6%) 和计算复杂度 (29.9% GFLOPs) 的显著降低.
- 该模型保持了与最先进的方法相比较的高分类性能.
- 提出了一个新的指标,模型效率评分 (MES),以评估成本效益.
结论:
- 拟议的LightDPH方法有效地减轻了皮肤病变检测中的重大类型错误分类.
- 轻DPH提供了一个资源高效的解决方案,适合在有限的环境中进行临床应用.
- 本研究介绍了用于皮肤病变检测的首个轻量级层次分类模型.
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
2.2K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
