-
题名基于改进ConvNeXt的皮肤镜图像分类方法
被引量:3
- 1
-
-
作者
李建威
吕晓琪
谷宇
-
机构
内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室
内蒙古工业大学信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第10期239-246,254,共9页
-
基金
国家自然科学基金(62001255,61841204,61771266)
中央引导地方科技发展资金(2021ZY0004)
+3 种基金
内蒙古自治区自然科学基金(2019MS06003,2015MS0604)
内蒙古自治区高等学校青年科技英才计划项目(NJYT23057)
教育部“春晖计划”合作科研项目(教外司留[2019]1383号)
内蒙古科技大学基本科研业务费专项资金优秀青年基金(2022042)。
-
文摘
皮肤癌是最致命的癌症之一,对皮肤镜图像进行精确分类尤为关键,然而现有的皮肤镜图像存在形态复杂、样本数量较少的问题,导致现有的自动分类方法难以提取图像特征信息,误判率较高。提出一种改进ConvNeXt的方法,并构建SE-SimAM-ConvNeXt模型。以ConvNeXt为基础网络,加入SimAM无参注意力模块,提升网络的特征提取能力,并在基础网络中引入通道注意力机制,增强ConvNeXt对潜在关键特征的挖掘能力。在训练初始时加入预热机制Cosine Warmup,在该过程中使用余弦函数值进行学习率的衰减,进一步加速ConvNeXt的收敛,提高ConvNeXt模型的分类能力。在HAM10000皮肤数据集上的实验结果表明,该模型的分类准确率、精确度、召回率、特异性分别为92.9%、85.3%、78.0%、97.5%,具有较好的皮肤镜图像分类能力,对皮肤癌病变的辅助诊断有一定程度的应用价值,可帮助皮肤科医生对皮肤癌做进一步的诊断。
-
关键词
皮肤镜图像分类
ConvNeXt网络
通道注意力机制
SimAM无参注意力
预热机制
-
Keywords
dermoscopy image classification
ConvNeXt network
channel attention mechanism
SimAM without reference attention
warmup mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-