LMS-ViT:一种多尺度视觉转换器方法,用于基于智能手机的实时皮肤癌检测
A Anny Leema1, P Balakrishnan1, G Gopichand1
1School of Computer Science and Engineering, Vellore Institute of Technology, Vellore, India.
Frontiers in artificial intelligence
|September 19, 2025
概括
一个新的轻量级多尺度视觉变压器 (LMS-ViT) 从智能手机图像中实现了90%的准确性来自动检测皮肤癌. 与传统方法相比,这种AI模型提供了更快,更便携,更好的早期检测.
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:
- 皮肤癌,皮肤细胞的异常生长,通常与阳光照射有关,如果检测迟到,可能是有害的.
- 传统的卷积神经网络 (CNN) 在详细的特征提取方面扎,以准确地分类皮肤病变.
- 早期发现皮肤癌对于有效治疗和改善患者的治疗结果至关重要.
研究的目的:
- 推出一种新型的轻量级多尺度视觉变压器 (LMS-ViT),用于自动检测皮肤癌.
- 通过皮肤镜像和智能手机数据提高皮肤病变分类的准确性和效率.
- 开发一种便携式,实时,独立于平台的系统,用于早期皮肤癌诊断.
主要方法:
- 使用HAM10000数据集和智能手机捕获的图像进行培训和验证.
- 开发了一种具有多尺度注意力机制的轻量级多尺度视觉变压器 (LMS-ViT).
- 集成了一个紧的功能混合方法,以加快处理速度和实时移动应用程序兼容性.
主要成果:
- 在皮肤癌分类方面,LMS-ViT实现了90%的准确性,比CNN模型提高了18%.
- 与基于CNN的方法相比,计算成本减少了30%.
- 在精度,回忆和F1得分方面表现出卓越的表现,特别是在Vasc和Nv等复杂的损伤类别中.
结论:
- 在自动化皮肤癌检测方面,LMS-ViT显著优于CNN,提供更高的准确性和效率.
- 开发的系统提供了一个便携式,实时和可访问的解决方案,用于通过智能手机早期检测皮肤癌.
- 这种移动友好的诊断工具有可能提高皮肤癌查的可访问性和及时性.
