SkinAttn-Net:一个基于关注的多层次网络,用于皮肤病变细分的细分
1Faculty of Engineering, Department of Computer Engineering, Dicle University, Diyarbakir, 21200, Turkey. osoylemez@dicle.edu.tr.
Scientific reports
|December 25, 2025
概括
通过整合注意力机制,SkinAttn-Net改善了用于黑色素瘤检测的皮肤病变细分. 这种深度学习模型增强了皮肤镜图像的边界精度和全球上下文理解.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 准确的皮肤病变细分对于自动黑色素瘤检测至关重要.
- 传统的卷积网络与细粒度的边界和全球背景都在扎.
研究的目的:
- 介绍SkinAttn-Net,一个新的阶段意识细分框架.
- 整合互补的注意力机制,以改善皮肤镜像分析.
主要方法:
- 雇佣了一个远程依赖和全球背景的视觉转换器.
- 利用卷积块注意力模块来改进特征交互.
- 集成的挤压激发块,以保持高分辨率的损伤特征.
主要成果:
- 在ISIC 2017,ISIC 2018和HAM10000数据集上获得了高的子得分 (0.926-0.951).
- 证明了强大的跨数据集通用化和优越的细分性能.
- 废弃性研究证实了个别注意力模块的有效性.
结论:
- SkinAttn-Net有效地平衡了当地细节和全球背景,从而实现了强大的细分.
- 为皮肤镜图像分析和临床决策支持提供了可通用的解决方案.


