MTA-Net:为多类皮肤病变的分类而建立的多层次的三重注意力网络
Himanshu K Gajera1, Deepak Ranjan Nayak2, Mukesh A Zaveri3
1Department of Computer Science and Engineering, Pandit Deendayal Energy University, Gandhinagar, Gujarat, India.
Computers in biology and medicine
|July 13, 2025
概括
一个新的多层次的三重注意意识网络 (MTA-Net) 通过捕捉微妙的变化来改善多类皮肤病变的分类. 这种深度学习方法增强了用于皮肤癌检测的计算机辅助诊断.
科学领域:
- 皮肤病学 皮肤病学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 皮肤病变的多类分类对于计算机辅助皮肤癌诊断至关重要.
- 病变类别和类内变异之间的高度相似性带来了重大挑战.
- 现有的卷积神经网络 (CNN) 模型难以捕捉微妙的,多层次的病变细节.
研究的目的:
- 提出一个新的多级三重注意力意识网络 (MTA-Net),用于增强多类皮肤病变分类.
- 改进各种规模的细粒度损伤信息的学习.
- 为了解决当前CNN和注意力驱动模型在捕捉微妙的损伤变异方面的局限性.
主要方法:
- 开发了MTA-Net,在预先训练的CNN上整合了一个多级三重注意力 (MTA) 模块.
- 该MTA模块使用多级三重空间注意力 (MTSA) 和多级三重频道注意力 (MTCA).
- 在HAM10000和ISIC 2019基准数据集上评估了MTA-Net.
主要成果:
- 与基线CNN和两种数据集的最先进方法相比,MTA-Net实现了更高的性能.
- 在HAM10000上实现了91.51%的精度和87.18%的平衡多类精度 (BMCA).
- 在ISIC 2019上获得了78.4%的准确性和66.7%的BMCA,没有外部数据.
结论:
- 在各种尺度上,MTA-Net有效地捕获了空间和通道维度之间的详细特征关系.
- 拟议的MTA模块显著增强了特征表示,以改善分类.
- MTA-Net 显示出在推进计算机辅助皮肤癌诊断方面有很大的潜力.
