在医学成像系统中检测和分类麻疹 (CAPSMON) 的囊网络方法
M Nuthal Srinivasan1, Mohamed Yacin Sikkandar2, Maryam Alhashim3
1Department of Electronics and Communication Engineering, E.G.S. Pillay Engineering College, Nagapattinam, 611002, Tamil Nadu, India. nuthal4u@gmail.com.
Scientific reports
|January 26, 2025
概括
本研究介绍了增强空间意识囊网络 (ESACN),用于准确检测麻疹. ESACN模型有效地分类皮肤学图像,优于早期疾病诊断的传统方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 皮肤病学 皮肤病学
背景情况:
- 准确检测病毒 (MPXV) 是至关重要的.
- 传统的机器学习和深度学习模型在分类复杂的皮肤病症方面存在局限性.
- 区分视觉上相似的皮肤状况需要先进的图像分析技术.
研究的目的:
- 引入增强空间意识囊网络 (ESACN) 以精确地对皮肤学图像进行多类分类.
- 解决现有模型在区分条件上的缺陷,如,水和麻疹.
- 利用囊网络的空间层次来提高诊断准确度.
主要方法:
- 开发了一个增强空间意识囊网络 (ESACN) 架构.
- 利用了固有的囊网络 (CapsNets) 的动态路由和空间层次结构.
- 将ESACN模型应用于659张皮肤图像的数据集,分为四个类别:,水,麻疹和正常皮肤.
主要成果:
- 在区分复杂和视觉上相似的皮肤状况方面,ESACN表现出卓越的性能.
- 观察到精度,精度,回忆和F1分数的显著改善,即使数据有限.
- 该模型在,水,麻疹和正常皮肤表现方面实现了强大而准确的分类.
结论:
- 在医疗环境中,ESACN显示出作为一种可靠的工具来提高诊断准确性的潜力.
- 该模型处理空间关系的能力有助于区分皮肤病症.
- 这种方法可以极大地帮助早期诊断和治疗规划皮肤疾病,如.


