基于适应性掩盖的多式掩盖自编码器,用于白风阶段分类.
Fan Xiang1, Zhiming Li1, Shuying Jiang1
1Department of Automation, College of Electrical Engineering, Sichuan University, Chengdu, 610065, China.
Journal of imaging informatics in medicine
|April 29, 2025
概括
一个新的多式蒙面自编码器 (Multi-MAE) 通过结合的皮肤图像有效地分类白风阶段. 这种方法克服了数据注释和稀缺性挑战,提高了白风严重程度评估的诊断准确性.
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:
- Vitiligo 的分期是复杂的,这给准确的诊断带来了挑战.
- 多模式皮肤图像 (临床和伍德的灯) 为白风的分类提供了补充数据.
- 深度学习模型与多式联运数据注释和稀缺性作斗争.
研究的目的:
- 开发一种新的深度学习模型,用于准确的白风阶段分类.
- 为了解决多式联运数据注释和白风图像分析稀缺性的局限性.
- 为了增强从多式模式皮肤学图像中提取特征.
主要方法:
- 提出了一种具有自适应性掩盖的多模式掩盖自动编码器 (Multi-MAE).
- 采用图像重建任务来减少对注释数据的依赖.
- 使用预培训策略来缓解多式联运数据稀缺.
主要成果:
- 在未标记的数据上,在白风阶段分类中获得了95.48%的准确性.
- 与现有模型 (如MobileNet,DenseNet,VGG,ResNet-50,BEIT,MaskFeat,SimMIM和MAE) 相比,显著提高了性能.
- 验证了模型在区分稳定和活跃白风阶段的有效性.
结论:
- 多MAE模型有效地使用多模式图像对白风阶段进行分类.
- 这种方法成功地克服了与数据注释和稀缺性相关的挑战.
- 该模型显示出作为评估白风严重程度的临床工具的前景.


