DermViT:通过诊断引导的视觉转换器,实现强大而高效的皮肤损伤分类.
Xuejun Zhang1, Yehui Liu1, Ganxin Ouyang2
1School of Computer, Electronics and Information, Guangxi University, Nanning 530004, China.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
DermViT是一种新的深度学习模型,通过模仿医生的观察来增强皮肤癌诊断. 它在分类皮肤镜像方面实现了卓越的准确性和效率,提高了早期检测率.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 早期皮肤癌诊断对于患者的生存至关重要.
- 目前的分类模型与病变变化,人工制造物扎,缺乏类似医生的推理.
研究的目的:
- 开发一种医疗驱动的深度学习架构,DermViT,以改进皮肤病变的分类.
- 解决诸如语义纠,类内变性和皮肤镜像中的人工干扰等挑战.
主要方法:
- DermViT采用模块化设计,灵感来自医生诊断过程.
- 关键模块包括用于多尺度分析的皮肤透视上下文金字塔 (DCP),用于聚焦病变识别的皮肤透视层次注意力 (DHA) 和用于文物抑制的皮肤透视特征门 (DFG).
主要成果:
- 在ISIC2018和ISIC2019数据集上,DermViT实现了86.12%的分类准确度,比ViT-Base.提升了7.8%.
- 该模型显示,与ViT-Base.相比,参数减少了40%.
- 可视化证实DermViT能够准确地定位病变,即使存在干扰.
结论:
- DermViT提供了一个更合乎逻辑的特征提取和医疗诊断的决策过程.
- 该架构为皮肤镜图像分析提供了高效可靠的解决方案,提高了早期皮肤癌检测.
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
07:11Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping
Published on: December 8, 2023
1.3K
