用轻量级深度学习模型进行皮肤癌分类的知识蒸方法
Suman Saha1, Md Moniruzzaman Hemal1, Md Zunead Abedin Eidmum1
1Department of IoT and Robotics Engineering Bangabandhu Sheikh Mujibur Rahman Digital University, Bangladesh Gazipur Bangladesh.
Healthcare technology letters
|January 16, 2025
概括
知识蒸可以创建用于皮肤癌检测的轻量级深度学习模型,在各种数据集上实现高精度. 这些高效的模型非常适合在资源有限的设备上部署.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 全球皮肤癌的发病率正在上升,需要有效的诊断工具.
- 深度学习模型在皮肤癌检测方面提供了高准确度,但在计算上是密集的.
- 在资源有限的设备上部署复杂的模型带来了重大挑战.
研究的目的:
- 开发一种超轻量级的深度学习模型,使用知识蒸来检测皮肤癌.
- 评估知识蒸在将知识从大网络转移到小网络中的有效性.
- 在低功耗设备上实现皮肤癌自动检测.
主要方法:
- 实施知识蒸,以培养轻量级学生模型.
- 使用了两种不同的培训策略:一个修改的基准 (第一阶段) 和一个定制的模型 (第二阶段).
- 评估了两个公共数据集的性能:HAM10000和ISIC2019.
主要成果:
- 学生模型实现了高准确率: 88.69%93.24% (HAM10000,第一阶段) 和 82.14%84.13% (ISIC2019,第一阶段).
- 第二阶段的准确度在88.63%88.89% (HAM10000) 和81.39%83.42% (ISIC2019) 之间.
- 知识蒸显著改善了学生模型的表现,接近教师模型的能力.
结论:
- 知识蒸对于创建准确,轻量级的深度学习模型来检测皮肤癌是有效的.
- 开发的模型适合在资源有限的设备上部署.
- 这种方法有助于自动化皮肤癌查,降低了计算需求.
更多相关视频
06:08Quantitative Visualization and Detection of Skin Cancer Using Dynamic Thermal Imaging
Published on: May 5, 2011
16.8K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
